Analyse et visualisation de données avec R dans VS Code

Une analyse pratique de bout en bout — importer, manipuler, tracer — dans VS Code.

Réalisez un flux de travail complet d’analyse de données en R dans VS Code — importez des données, explorez-les et manipulez-les, et construisez des visualisations ggplot2 avec la visionneuse de graphiques interactive, le tout dans un seul éditeur. Un guide pratique du flux de travail R dans VS Code.

Date de publication

8 juillet 2026

Modifié

9 juillet 2026

AstucePoints clés
  • La boucle complète tient dans un seul éditeur. Importez un CSV, inspectez-le, remodelez-le et tracez-le sans quitter VS Code — le même rythme d’exploration itérative que vous connaissez de RStudio.
  • Envoyez le code ligne par ligne avec Ctrl+Enter (Cmd+Enter sur macOS). L’extension vscode-R l’exécute dans le terminal R attaché et garde la visionneuse d’espace de travail synchronisée.
  • View() ouvre une grille de données interactive et le panneau Workspace liste chaque objet de votre session — l’équivalent de la visionneuse de données et de l’onglet Environment de RStudio.
  • Le tidyverse fonctionne exactement comme partout ailleurs. readr pour importer, dplyr pour manipuler, ggplot2 pour tracer — rien dans VS Code ne change le code que vous écrivez.
  • httpgd alimente un panneau de graphiques en direct et zoomable. Avec r.plot.useHttpgd activé (depuis la leçon de configuration), chaque graphique ggplot s’affiche dans un panneau interactif au lieu d’une fenêtre séparée.

Introduction

Vous avez configuré R et l’extension vscode-R, et vous savez exécuter une ligne de code. Vous voulez maintenant faire du vrai travail : charger un jeu de données, le regarder, le nettoyer et le transformer en figure — la boucle d’analyse du quotidien. Cette leçon parcourt cette boucle de bout en bout dans VS Code, pour que vous constatiez que rien de ce sur quoi vous comptez dans RStudio ne manque ici.

Nous allons importer un CSV, l’inspecter dans la visionneuse de données interactive, le manipuler avec le tidyverse et construire des visualisations ggplot2 qui apparaissent dans le panneau de graphiques en direct de VS Code. Si vous n’avez pas encore configuré l’éditeur, effectuez d’abord la configuration de l’environnement — cette leçon suppose qu’un terminal R fonctionnel, la visionneuse d’espace de travail et le panneau de graphiques sont déjà actifs.

Le flux de travail complet d’analyse de données dans VS Code — importation des données, manipulation et construction d’une visualisation ggplot2 qui s’affiche dans la visionneuse de graphiques interactive.

Tout au long, le schéma est le même que celui que vous utilisez déjà : écrivez une ligne dans l’éditeur, appuyez sur Ctrl+Enter (Cmd+Enter sur macOS) pour l’exécuter dans le terminal attaché, et regardez le résultat apparaître dans l’espace de travail ou la visionneuse de graphiques.

Importer vos données

Commencez par charger un jeu de données dans votre session. Nous utiliserons les données iris intégrées à R — écrivez-les dans un CSV pour disposer d’un vrai fichier à importer, puis relisez-le avec readr :

library(readr)

# Write a sample dataset to disk, then read it back as you would your own file
dir.create("data", showWarnings = FALSE)
write_csv(iris, "data/iris.csv")

iris_data <- read_csv("data/iris.csv")

read_csv() indique dans le terminal les types de colonnes qu’il a analysés (mesures numériques et le facteur Species), ce qui vous permet de confirmer que l’importation est correcte avant d’aller plus loin. Pour votre propre travail, remplacez le chemin par celui de votre fichier — tout le reste en aval est identique.

Pour inspecter les données sous forme de grille de type tableur, appelez View() :

View(iris_data)

Cela ouvre la visionneuse de données interactive de vscode-R dans un nouvel onglet d’éditeur, où vous pouvez faire défiler, trier et filtrer les colonnes — l’équivalent de la visionneuse de données de RStudio.

Explorer ce que vous avez chargé

Avant de manipuler les données, prenez-en la mesure. glimpse() affiche une ligne par colonne avec son type et ses premières valeurs — un résumé rapide et large qui tient dans un terminal :

library(dplyr)

glimpse(iris_data)

En même temps, le panneau Workspace dans la barre latérale R liste iris_data avec ses dimensions et son type. Cliquez dessus pour développer les colonnes, ou cliquez sur l’icône de tableau pour l’ouvrir dans la visionneuse de données — le panneau suit votre session en direct à mesure que vous créez et modifiez des objets :

La visionneuse Workspace de vscode-R dans la barre latérale, listant le data frame importé avec ses dimensions et les types de ses colonnes.

C’est le même retour d’environnement en direct que celui de l’onglet Environment de RStudio, maintenu synchronisé par l’observateur de session de l’extension.

Manipuler avec le tidyverse

Les verbes dplyr fonctionnent dans VS Code exactement comme partout ailleurs. Enchaînez-les avec le pipe (|> en R de base, ou %>% de dplyr) pour filtrer des lignes et ajouter une colonne calculée :

library(dplyr)

iris_summary <- iris_data %>%
  filter(Sepal.Length > 5) %>%
  mutate(Sepal.Ratio = Sepal.Length / Sepal.Width) %>%
  group_by(Species) %>%
  summarise(
    n = n(),
    mean_ratio = mean(Sepal.Ratio)
  )

iris_summary

Lisez ceci de haut en bas : conservez les fleurs dont le sépale dépasse 5 cm, calculez un rapport longueur/largeur, puis faites la moyenne de ce rapport au sein de chaque espèce. Exécutez le bloc avec Ctrl+Enter et le résultat s’affiche dans le terminal ; le nouvel objet iris_summary apparaît immédiatement dans le panneau Workspace, prêt à être inspecté ou tracé.

Visualiser avec ggplot2

Construisez maintenant une figure. Comme httpgd est activé (r.plot.useHttpgd: true, défini dans la configuration de l’environnement), le graphique s’affiche dans la visionneuse de graphiques interactive de VS Code — un panneau que vous pouvez zoomer, redimensionner et parcourir en arrière — plutôt que dans une fenêtre séparée :

library(ggplot2)

ggplot(iris_data, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point(size = 2) +
  scale_color_viridis_d() +
  theme_minimal()

Un nuage de points ggplot2 des mesures d’iris affiché dans la visionneuse de graphiques interactive httpgd dans VS Code.

La visionneuse conserve un historique des figures que vous avez tracées, si bien qu’au fil de vos itérations vous pouvez revenir à une version précédente pour comparer — la boucle serrée du voir-immédiatement qui rend le traçage exploratoire productif. (Nous utilisons la palette viridis adaptée au daltonisme pour les groupes d’espèces ; pour un graphique à série unique, l’azur de la marque #3a86d4 se lit clairement.)

Personnaliser le graphique

Un premier graphique est rarement le graphique définitif. Ajoutez des étiquettes et divisez les données en petits multiples avec facet_wrap() pour que chaque espèce ait son propre panneau :

library(ggplot2)

ggplot(iris_data, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point(color = "#3a86d4", size = 2) +
  facet_wrap(~ Species) +
  labs(
    title = "Sepal dimensions by species",
    x = "Sepal length (cm)",
    y = "Sepal width (cm)"
  ) +
  theme_minimal()

Chaque cycle d’édition-réexécution se redessine dans le même panneau de graphiques, si bien qu’affiner une figure consiste simplement à éditer le bloc et à appuyer de nouveau sur Ctrl+Enter.

Consulter la documentation sans quitter l’éditeur

Quand vous devez vérifier un argument, demandez la page d’aide avec ? et elle s’affiche sous forme de HTML navigable dans la visionneuse Help Pages de la barre latérale — sans passer par un navigateur :

?geom_point

La visionneuse Help Pages de vscode-R dans la barre latérale affichant une rubrique d’aide R navigable rendue en HTML dans VS Code.

Passer à l’interactif avec plotly

Pour un graphique que le lecteur peut survoler, zoomer et déplacer, enveloppez n’importe quel graphique ggplot dans le ggplotly() de plotly. Le widget s’affiche dans le panneau de visionneuse intégré de VS Code :

library(plotly)

p <- ggplot(iris_data, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point(size = 2) +
  theme_minimal()

ggplotly(p)

C’est la même amélioration du statique vers l’interactif que vous feriez dans n’importe quel flux de travail R ; VS Code se contente d’héberger le widget résultant pour vous.

Tout le flux de travail dans un seul panneau

Au final, la barre latérale R réunit le Workspace, les Help Pages et les outils de packages aux côtés de l’éditeur, du terminal et du panneau de graphiques — la surface d’analyse complète dans une seule fenêtre :

La barre latérale vscode-R complète combinant la visionneuse Workspace, les Help Pages et les outils de packages à côté du script R et de la visionneuse de graphiques.

Importer, explorer, manipuler, tracer, itérer — la boucle que vous connaissez, dans l’éditeur que vous utilisez déjà pour tout le reste.

Problèmes fréquents

Les graphiques s’ouvrent dans une fenêtre séparée au lieu du panneau de VS Code. httpgd n’est pas installé ou pas activé. Vérifiez que install.packages("httpgd") a réussi, puis définissez "r.plot.useHttpgd": true dans vos paramètres VS Code (voir la configuration de l’environnement) et relancez le graphique. Le panneau nécessite aussi que r.sessionWatcher soit true.

View() affiche les données dans le terminal au lieu d’ouvrir la grille. La visionneuse interactive dépend de l’attachement de l’extension à votre session. Assurez-vous que "r.sessionWatcher": true est défini et que vous avez démarré le terminal avec R: Create R terminal (Command Palette, Ctrl+Shift+P), et non un shell ordinaire.

could not find function "read_csv" (ou %>%, ggplot). Le package qui la fournit n’est pas chargé. Exécutez library(readr) / library(dplyr) / library(ggplot2) — ou install.packages("tidyverse") une fois s’ils ne sont pas installés — puis réexécutez le bloc.

Questions fréquentes

Appelez View(your_data) pour ouvrir la visionneuse de données interactive de vscode-R dans un nouvel onglet, où vous pouvez faire défiler, trier et filtrer — l’équivalent de la visionneuse de données de RStudio. Le panneau Workspace dans la barre latérale R liste également chaque objet de votre session avec ses dimensions, et cliquer sur l’un d’eux ouvre la même grille.

Oui — le code est identique à celui de n’importe quel autre environnement R. Installez les packages avec install.packages("tidyverse"), chargez-les avec library(), et utilisez dplyr et ggplot2 exactement comme vous le feriez dans RStudio. VS Code change l’endroit où les résultats apparaissent (le terminal, l’espace de travail et le panneau de graphiques), pas le code.

Le panneau de graphiques interactif est alimenté par le package httpgd. Installez-le (install.packages("httpgd")) et définissez "r.plot.useHttpgd": true dans vos paramètres VS Code ; assurez-vous que "r.sessionWatcher": true est également activé. Sans cela, les graphiques s’ouvrent plutôt dans une fenêtre graphique séparée.

Placez votre curseur sur une ligne (ou sélectionnez un bloc) et appuyez sur Ctrl+Enter (Cmd+Enter sur macOS). L’extension vscode-R l’exécute dans le terminal R attaché — le même flux d’envoi vers la console que RStudio.

Il est performant et confortable une fois configuré. Avec httpgd activé, vous obtenez un panneau de graphiques en direct et zoomable, et les widgets interactifs de plotly s’affichent dans la visionneuse intégrée. Si vous travaillez aussi en Python, SQL ou JavaScript, tout garder dans un seul éditeur est le principal atout.

Tâche. Vous importez un CSV et votre code ggplot() s’exécute sans erreur, mais la figure s’ouvre dans une fenêtre graphique contextuelle séparée plutôt que dans le panneau de graphiques de VS Code. Rien n’est incorrect dans le code du graphique. Qu’est-ce qui manque, et comment acheminez-vous le graphique vers la visionneuse de l’éditeur ?

Le panneau de graphiques dans VS Code ne fait pas partie des graphiques de base de R — il est fourni par un package R séparé plus un paramètre VS Code.

Le périphérique graphique httpgd n’est pas actif. Installez-le avec install.packages("httpgd"), puis définissez "r.plot.useHttpgd": true dans vos paramètres VS Code (Ctrl+,). Assurez-vous que "r.sessionWatcher": true est également activé, car le panneau dépend de l’attachement de l’extension à votre session. Relancez le graphique et il s’affiche dans le panneau interactif et zoomable au lieu d’une fenêtre contextuelle.

Vous avez chargé un data frame et souhaitez le parcourir sous forme de grille interactive et triable dans VS Code. Laquelle le fait ?

A. glimpse(data) dans le terminal. B. View(data) avec l’observateur de session activé. C. print(data) dans le terminal.

B. View(data) ouvre la visionneuse de données interactive de vscode-R (elle nécessite r.sessionWatcher: true pour que l’extension soit attachée). glimpse() (A) affiche un résumé textuel compact, et print() (C) déverse les lignes dans le terminal — aucune ne vous donne la grille défilable et triable.

Conclusion

La boucle d’analyse R complète — importer un CSV, l’inspecter dans la visionneuse de données, le manipuler avec le tidyverse et construire des figures ggplot2 dans un panneau de graphiques interactif — s’exécute confortablement dans VS Code. Le code est identique à ce que vous écririez partout ailleurs ; VS Code vous donne simplement le terminal, la visionneuse d’espace de travail, les pages d’aide et le panneau de graphiques dans le seul éditeur que vous utilisez déjà. Configurez httpgd une fois, apprenez le rythme d’envoi vers le terminal avec Ctrl+Enter, et le flux de travail du voir-immédiatement sur lequel vous comptez se transpose.

Leçons connexes

Cette page vous a-t-elle été utile ?

Recevez les nouvelles leçons R & Python par e-mail

Pratique, reproductible, sans spam. Désinscription à tout moment.

Double opt-in. Nous ne partageons jamais votre e-mail.

Partager cette pageXLinkedInRedditHN
Note

Cette leçon est un guide de flux de travail reproductible : chaque commande présentée ci-dessus est exactement ce que vous exécutez dans votre propre terminal R et VS Code — copiez n’importe quel bloc et exécutez-le pour reproduire ces résultats sur votre machine. The runtime is the judge.

Réutilisation

Citation

BibTeX
@online{2026,
  author = {},
  title = {Analyse et visualisation de données avec R dans VS Code},
  date = {2026-07-08},
  url = {https://www.datanovia.com/learn/programming/r-in-vscode/data-analysis-and-visualization-with-r-in-vscode},
  langid = {fr}
}
Veuillez citer ce travail comme suit :
“Analyse et visualisation de données avec R dans VS Code.” 2026. July 8. https://www.datanovia.com/learn/programming/r-in-vscode/data-analysis-and-visualization-with-r-in-vscode.