Merge pull request #27 from InseeFrLab/relecture-part2

Relecture part2

Author: jpramil

R/get_data_ls3.R

@@ -1,9 +1 @@
-df <- 
-  aws.s3::s3read_using(
-    FUN = readr::read_csv2,
-    object = "ssplab-formation/rp_2016_individu_sample.csv",
-    bucket = "public/",
-    opts = list("region" = "")
-  )
-
-readr::write_csv2(df, "individu_reg.csv")
+system("mc cp s3/public/ssplab-formation/RPindividus_24.csv RPindividus_24.csv")

slides/applications_r/_application2.qmd

@@ -26,13 +26,14 @@
 ## Partie 2 : création d'un *package* (FACULTATIF)
 
 ::: {.nonincremental}
-1. Initialiser un *package* avec la fonction `usethis::create_package()`
-2. Placer dans le dossier `R` du *package* un module `stat.R` et y copier la fonction de statistique agrégée
-3. Charger le package avec la fonction `devtools::load_all()` et vérifier que la fonction marche correctement
+1. Fermer le Rproj en cours ("Close Project" en haut à droite).
+2. Initialiser un *package* avec la fonction `usethis::create_package()` (par défaut dans le *working directory*)
+3. Placer dans le dossier `R` du *package* un module `stat.R` et y copier la fonction de statistique agrégée
 4. Remplir le fichier `DESCRIPTION`. En particulier, spécifier les dépendances nécessaires (`Imports`) et facultatives (`Suggests`)
 5. Construire la documentation du *package* avec la fonction `devtools::document()`. Où est-elle stockée et sous quel format ?
-6. Vérifier que la documentation de notre fonction est accessible avec `?ma_fonction`
-7. (Facultatif) Initialiser un nouveau projet sur `GitHub` est y mettre le code du *package*. Vérifier que le *package* peut être installé en local avec la fonction `devtools::install_github()`.
+6. Charger le package avec la fonction `devtools::load_all()` et vérifier que la fonction marche correctement
+7. Vérifier que la documentation de notre fonction est accessible avec `?ma_fonction`
+8. (Facultatif) Initialiser un nouveau projet sur `GitHub` est y mettre le code du *package*. Vérifier que le *package* peut être installé en local avec la fonction `devtools::install_github()`.
 :::
 
 :::

slides/applications_r/_application3.qmd

@@ -30,7 +30,7 @@ filename_full_csv <- gsub("parquet", "csv", filename_full_parquet)
 
 :::{.callout-tip .nonincremental collapse="true" icon=false}
 # Partie 0: préparation de l'exercice
-* Remplacer le contenu du script `R/get_data.R` en copiant-collant le contenu de [ce fichier](https://raw.githubusercontent.com/InseeFrLab/formation-bonnes-pratiques-git-R/refs/heads/main/R/checkpoints/application3/get_data.R). Exécuter ce script, il crée les fichiers nécessaires pour ces exercices.
+* Remplacer le contenu du script `R/get_data.R` en copiant-collant le contenu de [ce fichier](https://raw.githubusercontent.com/InseeFrLab/formation-bonnes-pratiques-git-R/refs/heads/main/R/checkpoints/application3/get_data_ls3.R). Exécuter ce script, il crée les fichiers nécessaires pour ces exercices.
 * Créer le script `R/benchmarking_functions.R` en copiant-collant le contenu de [ce fichier](https://raw.githubusercontent.com/InseeFrLab/formation-bonnes-pratiques-git-R/refs/heads/main/R/checkpoints/application3/benchmark_functions.R)
 * Créer un nouveau script `R` qui servira de bac à sable pour tester le format `Parquet`.
 * Créer les variables qui seront utiles pour les prochaines questions
@@ -150,7 +150,7 @@ Quand on généralise cette démarche de _benchmark_, on obtient le tableau de p
 :::{.callout-tip .nonincremental collapse="true" icon=false}
 # Partie 4 : mise à jour de la chaîne de production
 
-Nous allons mettre à jour les données utilisées pour notre chaîne de production:
+Nous allons mettre à jour les données utilisées pour notre chaîne de production :
 
 * Lire les données à partir du morceau de code proposé
 * Vérifier que le code tourne de A à Z et changer celui-ci marginalement si ce n'est pas le cas