Les données peuvent se présenter sous des formats non tabulaires, en particulier les données non structurées ou les données qui n'entreraient pas dans un tableau. JSON et XML sont des formats courants pour le stockage de données arbitrairement structurées et ce module couvre les packages utilisés pour lire ces formats de données. En outre, les bases de données relationnelles sont couramment utilisées pour stocker de très grandes collections de tableaux lorsque vous n'avez pas besoin de lire l'ensemble des données en une seule fois. Il existe de nombreux formats de bases de données relationnelles et nous couvrirons le format SQLite, qui est un format compact et simple à utiliser.

La lecture de données provenant de diverses sources Internet peut s'avérer utile pour élaborer des analyses qui doivent être régulièrement mises à jour. Les paquets rvest et httr sont utiles pour se connecter à des sites web, à des API web et à d'autres sources de données en ligne.

Travailler avec d'autres personnes dans le cadre d'un projet de science des données implique souvent de lire des résultats ou des données produits à l'aide d'autres progiciels d'analyse statistique ou d'autres logiciels. Ce module couvre les logiciels permettant de lire ces formats étrangers, ainsi que les images et les données provenant de Google Drive.

Nous allons maintenant vous montrer comment importer des données à l'aide de nos exemples d'études de cas. Lorsque vous travaillez sur les étapes des études de cas, vous pouvez utiliser soit RStudio sur votre propre ordinateur, soit les espaces de laboratoire Coursera fournis pour chaque étude de cas.

Ce projet vous donnera l'occasion de lire des données provenant de plusieurs sources et d'effectuer quelques opérations simples sur ces données.