Extraction des données CIQUAL

Les données CIQUAL sont une ressource extrêmement riche : il faut les réduire avant de pouvoir en faire un exemple facielement utilisable pour un cours de R ou de statistique.

Nous avons déterminé les critères suivants :

• il ne doit pas y avoir plus d’une dizaine d’observations par groupe,
• il doit y avoir un mélange de variables qualitatives et de variables quantitatives
• il faut plusieurs “blocs” de données (des groupes de variables)
• il ne faut pas de valeurs manquantes
• il faut éviter les variables présentant des effets de seuil ou de plafond

Les données

Les données utilisées se trouvent dans le tableau Table Ciqual 2020_FR_2020 07 07.xls.

Fruits et légumes

Le code pour les fruits et légumes est le code “02”, qui contient les sous-graoupes alimentaires

• 0201 – “légumes”,
• 0202 – “pommes de terre et autres tubercules”,
• 0203 – “légumineuses”,
• 0204 – “fruits”,
• 0205 – “fruits à coque et graines oléagineuses”.

J’ai sélectionné les sous-groupes 0201 et 0204 uniquement pour la suite. Pour les aliments concernés, j’ai choisi les variables :

• alim_nom_fr – le nom de l’aliment, qui devient la variable nom,
• alim_ssgrp_nom_fr – le groupe, qui devient la variable groupe,
• Energie, Règlement UE N° 1169/2011 (kcal/100 g) – l’énergie, en kCal par 100g de fruit, qui devient la variable Energie,
• Eau (g/100 g), qui devient la variable Eau,
• Protéines, N x facteur de Jones (g/100 g), qui devient la variable Proteines,
• Glucides (g/100 g), qui devient la variable Glucides,
• Lipides (g/100 g), qui devient la variable Lipides,
• Sucres (g/100 g), qui devient la variable Sucres,
• Fibres alimentaires (g/100 g), qui devient la variable Fibres,
• Polyols totaux (g/100 g), qui devient la variable Polyols, où toutes les valeurs manquantes sont remplacées par 0,
• Alcool (g/100 g), qui devient la variable Alcool,
• Acides organiques (g/100 g), qui devient la variable AcidesOrganiques,
• Calcium (mg/100 g), qui devient la variable Calcium,
• Cuivre (mg/100 g), qui devient la variable Cuivre,
• Fer (mg/100 g), qui devient la variable Fer,
• Magnésium (mg/100 g), qui devient la variable Magnesium,
• Manganèse (mg/100 g), qui devient la variable Manganese,
• Phosphore (mg/100 g), qui devient la variable Phosphore,
• Potassium (mg/100 g), qui devient la variable Potassium,
• Zinc (mg/100 g), qui devient la variable Zinc,
• Vitamine C (mg/100 g), qui devient la variable VitamineC et écarté tous les fruits et légumes ayant des données manquantes dans les colonnes

Une première visualisation intéressante concerne la teneur en sucres en fonction des deux sous-groupes que nous avons choisis : légumes ou fruits. La représentation que nous avons choisie

Blocs

On obtient plusieurs blocs de données :

• le bloc “nutrition” : teneurs en lipides, glucides, protéines, eau et fibres.
• le bloc “minéraux”,
• des variables supplémentaires :
  • le nom de l’aliment,
  • son groupe,
  • son sous-groupe,
  • sa teneur en vitamine C.

Ces blocs donne accès à un éventail de possibilités très large en termes d’exercice de traitement des données, de visualisation et de statistiques.