Summary  
This chapter covers type conversion of numeric values using built-in functions like as.integer(), as.double(), and as.complex(), explaining the hierarchy of numeric types and behaviors such as truncation and conversion restrictions.  

General domain of usage  
Numerical computing

En effet, bien que vous puissiez créer directement des **entiers** en R en ajoutant `L` à un nombre, convertir des valeurs existantes en entiers nécessite une approche différente. Simplement ajouter `L` entraînera une erreur, comme démontré dans l'exemple ci-dessous :

# Some number
num <- 20
numL # Trying using L for converting

Certainement, cela n'a pas atteint le résultat escompté.

Heureusement, R simplifie le processus de conversion avec des fonctions simples comme `as.double()`, `as.integer()`, et `as.complex()`. Les noms des fonctions sont assez explicites !

Les types numériques suivent une sorte de 'hiérarchie' où chaque `integer` peut être converti en un nombre `double` ou `complex`, et chaque `double` peut devenir un nombre `complex`. Cependant, convertir un `double` en `integer` entraînera une **troncature**, et non un arrondi, du nombre à sa composante entière.

R est l'un des langages de programmation les plus populaires parmi les analystes de données et les data scientists. R dispose d'une large communauté qui vous aidera toujours avec n'importe quel problème. De plus, R possède des tonnes de différents packages conçus pour résoudre divers problèmes. Le langage peut être facilement appliqué aux problèmes de statistiques et d'analyse de données. Dans la première partie, vous serez introduit aux bases de R et vous traiterez des valeurs 1-D uniques de différents types.

Dans la section initiale, vous plongerez dans les éléments fondamentaux de R, tels que la génération de sortie et l'exécution d'opérations élémentaires. Cette section se terminera par une exploration de la théorie derrière les variables.

Vous vous familiariserez avec la classe de vecteurs en R, qui gère également les valeurs individuelles. Ici, vous explorerez les principaux types de données pour les valeurs singulières et apprendrez à gérer plusieurs valeurs du même type simultanément.

Les facteurs, également connus sous le nom de variables catégorielles, sont courants dans le monde réel. Les exemples incluent les groupes sanguins, les devises, les nationalités et les marques. Contrairement aux variables numériques, les facteurs ont un ensemble limité de valeurs possibles.

Conversion de Type

Solution

Awesome!

Conversion de Type

Solution

Awesome!