Programmer en R/Comprendre la grammaire des graphiques

Programmer en R

• Introduction
  • Faire ses premiers pas
  • Installer R
  • Choisir son environnement de travail
  • Installer des librairies
  • Se documenter
• Manipulation et mise en forme des données
  • Manipuler les nombres
  • Manipuler les vecteurs
  • Manipuler les chaînes de caractères
  • Manipuler les facteurs
  • Manipuler les dates et les heures
  • Manipuler un tableau de données
  • Manipuler une liste
• Importation et exportation des données
  • Importer un fichier CSV
  • Résoudre les problèmes d'encodage des caractères
  • Importer un fichier TSV
  • Importer un fichier texte à largeur fixe
  • Importer des données depuis un tableur
  • Import un fichier JSON
  • Extraire des données d'une page web
• Visualisation de données
  • Comprendre la grammaire des graphiques
  • Représenter une carte
  • Visualiser une carte choroplèthe
• Modélisation statistique
  • Estimer un modèle de régression linéaire
  • Estimer un modèle de régression circulaire
• Communication
• Programmation avancée
  • Programmer une boucle
  • Programmer une fonction
• Outils mathématiques
  • Optimiser une fonction
  • Manipuler les matrices
  • Les fonctions statistiques de base
  • Les loi de probabilités, ajustement et test

En R, il existe un système de graphique standard autour de la fonction plot() et la bibliothèque ("librairie" - library) ggplot2. Cette bibliothèque ggplot2 repose sur les principes de la grammaire des graphiques. L'idée principale est de concevoir un graphique comme une succession de couches (layer). Chaque couche définit une correspondance entre certaines variables ou leur transformation statistique et les attributs esthétiques (position dans l'espace, couleur, épaisseur, etc) de formes géométriques définies (points, barres, lignes, tuiles, etc).

• En pratique, il faut créer le graphique avec la fonction ggplot().

• Ensuite définir les différentes couches avec les fonctions geom_ (geom_point(), geom_bar, geom_line(), etc) ou stat_ (stat_density(), stat_count(), etc). Pour chacune de ses fonctions, l'argument mapping et la fonction aes() permettent de définir la correspondance entre des variables et les attributs esthétiques.

• Puis spécifier les échelles avec les fonctions scale_.

• le contexte (titre, sous-titre, caption, etc) avec la fonction labs().

L'utilisateur peut choisir un thème choisi à partir d'une liste de thèmes prédéfinis (theme_tufte(), theme_stata(), etc) ou avec la fonction theme().

Il est aussi possible de réaliser le graphe sur des sous-échantillons du jeu de données avec les fonctions facet_().

Particularité de la grammaire des graphiques, l'opérateur "pipe" est +. La bibliothèque ggplot2 a été introduite en 2009, avant l'introduction du système des pipes dans le langage R.

Pré-requis

Dans cette section, l'exemple utilise la base de données des députés déjà utilisée auparavant, en travaillant avec la bibliothèque ggplot2.

library(dplyr)
library(ggplot2)
library(readr)
table_deputes <- read_csv("data/table_deputes.csv")

Choix de la géométrie

Pour réaliser un diagramme en barres, on utilise la géométrie geom_bar(). Ici, on associe à l'axe des abscisses le genre et on associe la statistique de comptage au genre.

table_deputes %>% 
  ggplot() + 
  geom_bar(
    mapping = aes(x = genre), 
    stat = "count"
      )

On peut aussi préciser les échelles, le titre, le sous-titre, etc.

table_deputes %>% 
  ggplot() + 
  geom_bar(
    mapping = aes(x = genre, fill = genre), 
    stat = "count"
  ) + 
  scale_x_discrete(name = "Genre") + 
  scale_y_continuous(name = "Nombre de députés") + 
  scale_fill_discrete() + 
  labs(
    title = "Répartition des députés par genre", 
    subtitle = "Période 2012-2017",
    caption = "Source : Liste des députés publiés par Wikimédia France sur data.gouv.fr"
    )

Voir aussi

• Hadley Wickham, « A Layered Grammar of Graphics », Journal of Computational and Graphical Statistics, vol. 19, no. 1, pp. 3–28, 2010.