1.1 Le package ggplot2

Le package ggplot2 :

• Créé par Hadley Wickham

• Construit autour de la « grammaire des graphiques » (gg) qui décompose chaque graphique en un ensemble d’éléments sur lesquels le package permet de jouer indépendamment

• Objectif : réaliser des graphiques complexes et personnalisés à partir d’un fichier détail, d’un fichier détail pondéré ou de données agrégées

• Site officiel : http://ggplot2.tidyverse.org/reference/

2.1 Initialisation d’un graphique

Un graphique s’initialise avec la fonction ggplot() puis chaque élément est ajouté aux autres avec un +

2.2 Initialisation d’un graphique

Initialisation du graphique avec la fonction ggplot().

On déclare :

• data : la table contenant les données à représenter

• mapping : éventuellement, la ou les variables à représenter L’argument mapping requiert l’utilisation de la fonction aes() (pour aesthetic mappings). Les variables à représenter sont indiquées dans cette fonction par les paramètres x et y.

⇒ ce sont les bases du graphique, sur lesquelles on va afficher ensuite les données

2.3 Initialisation d’un graphique

Initialisation d’un graphique, les axes x et y sont créés mais aucune géométrie n’est utilisée pour représenter les données.

2.4 Utilisation de la fonction aes()

L’appel de la fonction aes() peut se faire :

• Dans l’initialisation du graphique avec ggplot()

ggplot(data = diamonds, mapping = aes(x = clarity, y = price)) +
  geom_bar(stat = "identity")

• Dans la fonction de géométrie => utile si on souhaite superposer plusieurs géométries avec des paramètres esthétiques différents.

ggplot(data = diamonds) +
  geom_bar(aes(x = clarity, y = price),
           stat = "identity")

• En dehors des autres fonctions.

ggplot(data = diamonds) +
  aes(x = clarity, y = price) +
  geom_bar(stat = "identity")

Les 3 écritures sont équivalentes.

Par défaut, chaque fonction de géométrie hérite des paramètres esthétiques précédents.

3.1 Les différentes géométries de graphiques

Déclaration de la géométrie du graphique avec les fonctions de la forme geom_XXX().

Les géométries les plus courantes sont :

• geom_bar() et geom_col() → graphiques en barres (équivalent de barplot())

• geom_histogram() → histogramme (équivalent de hist())

• geom_point() → nuage de points (équivalent de plot())

• geom_line() → points reliés par un segment

• geom_boxplot() → boxplot (équivalent de boxplot())

3.2 Les diagrammes en barre

3.3 Les histogrammes

3.4 Les nuages de points

3.5 Les segments

3.6 Les boxplots

4.1 Croisement avec une autre variable

On peut distinguer les observations appartenant à des classes différentes au sein d’une distribution. Pour cela, il faut renseigner, selon le cas, les arguments suivants dans la fonction aes() :

• fill : pour une différenciation par remplissage

• colour : pour une différenciation par couleur de bordure

• shape : pour une différenciation par forme

• size : pour une différenciation par taille

• alpha : pour une différenciation par transparence

• linetype : type de lignes (continue, pointillées…)

• linewidth : taill des lignes

4.2 Croisement avec une autre variable

4.3 Quand utiliser aes() ? (1/2)

La fonction aes() fait le lien entre les données et le rendu visuel du graphique.

Pour modifier un attribut, on utilise les mêmes noms de paramètres, mais on peut les placer à l’intérieur ou à l’extérieur de la fonction aes() selon l’effet souhaité :

• Pour modifier un attribut sans le relier aux valeurs d’une variable dans le jeu de données → on le définit dans la fonction de géométrie, à l’extérieur de la fonction aes() : cela s’appliquera alors à l’ensemble du graphique.

• Pour faire varier un attribut en fonction des valeurs prises par une autre variable → on le définit à l’intérieur de la fonction aes()

4.4 Quand utiliser aes() ? (2/2)

5.1 Les diagrammes en barres

Les diagrammes en barres avec geom_bar() :

• Objectif : compter les occurrences d’une modalité d’une variable qualitative (ou rendue qualitative par la création de classes)

On peut construire un diagramme en barres à partir :

• De données individuelles

• De données individuelles pondérées : argument weight de la fonction aes()

5.2 Les diagrammes en barres

• De données agrégées : argument stat = “identity” de la fonction geom_bar().

Cet argument précise que la hauteur des barres n’est pas obtenue par comptage mais qu’elle est identique à la variable renseignée dans l’argument y de la fonction aes()

Le paramètre stat précise qu’il faut utiliser la valeur de la variable y pour calculer la hauteur des barres.

Remarque : geom_col() est un raccourci pour utiliser geom_bar() avec stat = identity.

5.3 Les diagrammes en barres

Pour rendre le graphique plus facile à lire, il est utile de :

• Réorganiser le graphique
  En réordonnant les différentes modalités dans le jeu de données pour qu’elles soient classées par ordre décroissant

⇒ fonction reorder() pour réordonner les modalités d’une variable selon les effectifs d’une autre variable

• Intervertir l’axe des x et des y

  • en modifiant les variables passées en x et en y dans la fonction aes()
  • ou en utilisant la fonction coord_flip() qui permet d’échanger l’axe horizontal et l’axe vertical sur n’importe quel graphique créé avec ggplot2

5.4 Les diagrammes en barres

5.5 Les diagrammes en barres

On peut croiser les données avec une seconde variable en renseignant l’argument fill dans la fonction aes().

Trois dispositions sont alors possibles pour ces données, à choisir dans l’argument position de la fonction geom_bar() :

• position = “stack” : par défaut, empilées en nombre

• position = “dodge” : placées côte à côte en nombre

• position = “fill” : empilées en fréquence (total de chaque barre=1)

5.6 Les diagrammes en barres

6.1 Les histogrammes

Les histogrammes avec geom_histogram() :

Objectif : représenter la distribution d’une variable quantitative continue

La fonction geom_histogram() possède deux arguments pour gérer la largeur des barres :

• bins : fixe le nombre de barres de l’histogramme

• binwidth : fixe la largeur des barres dans l’unité de la variable représentée

6.2 Les histogrammes

6.3 Les histogrammes

On peut croiser les données avec une variable qualitative en renseignant l’argument fill dans la fonction aes().

6.4 Les histogrammes

Les arguments boundary et closed de la fonction geom_histogram() peuvent être utiles dans certains cas d’usage.

6.5 Les histogrammes

La fonction geom_freqpoly() permet de construire un polygone de fréquence pour chaque classe de la variable de croisement

7.1 Les nuages de points

Les nuages de points avec geom_point() :

• Objectif : croiser deux variables dans un graphique de coordonnées cartésiennes

• On peut croiser les observations avec :

  • une variable qualitative en utilisant davantage l’argument colour ou shape de la fonction aes() (ou fill pour certaines formes de points)

  • une variable quantitative en utilisant l’argument size de la fonction aes()

7.2 Les nuages de points

On peut aussi créer un graphique pour chaque modalité de la variable de croisement avec la fonction facet_wrap()

7.3 Les nuages de points

On peut ajouter une droite de régression linéaire sur un graphe construit comme un nuage de points en utilisant la fonction geom_smooth(method = “lm”).

• Attention ! C’est une régression sans pondération

7.4 Les nuages de points

Pour ajouter une droite de régression linéaire qui tient compte des pondérations, il faut :

• Calculer les coefficients de régression par ailleurs

• Récupérer ces coefficients

• Ajouter manuellement une droite sur le graphique avec les coordonnées calculés précédemment

8.1 Les courbes

Les courbes avec geom_line() :

• Objectif : réaliser une courbe, en reliant les points d’un nuage de points par des segments, notamment à partir d’une variable temporelle en abscisse

• Le format de la table en entrée est particulier, il ne doit y avoir qu’une valeur d’ordonnées par valeur d’abscisse

8.2 Les courbes

On peut croiser les données avec une variable qualitative et obtenir autant de courbes que de modalités de la variable.

Exemple : réaliser sur un même graphique les courbes d’évolution de la part de l’agriculture dans le PIB pour quatre pays de l’Union Européenne.
Voilà les données initiales :

8.3 Les courbes

Il faut créer une variable qualitative correspondant au pays

• Fonction pivot_longer()

evol_partagri_pib_UE2 <- evol_partagri_pib_UE %>%
  pivot_longer(
  cols = Allemagne:RU,
  names_to = "PAYS",
  values_to = "partAgri_PIB")

8.4 Les courbes

9.1 Les camemberts

Les camemberts aec geom_bar() + coord_polar()

• Objectif : représenter la répartition en proportions des modalités d’une variable qualitative sur un ensemble de données

9.2 Les camemberts

10.1 Les boîtes à moustaches

Les boîtes à moustache avec geom_boxplot()

• Objectif : représenter la répartition d’une variable quantitative autour des quartiles de sa distribution

• Éventuellement, représenter cette répartition selon les modalités d’une variable qualitative : il y a alors donc deux variables à renseigner en paramètres 

  • x : variable qualitative de croisement

  • y : variable quantitative à croiser

10.2 Les boîtes à moustaches

11.1 Ajout de libellés

La fonction geom_text() permet d’ajouter un libellé sur les points souhaités d’un graphique

12.1 Habillage du graphique

Habillage du graphique :

• Ajout d’annotation

• Gestion des axes

• Modification du thème

• Ajout de titre, sous-titre, source, libellés de légende…

12.2 Habillage du graphique

• Ajouter un segment de droite en précisant les coordonnées des extrémités : geom = “segment”

12.3 Habillage du graphique

• Ajouter une figure rectangulaire en précisant les coordonnées des points en diagonale : geom = “rect”

12.4 Habillage du graphique

On modifie l’échelle des axes avec les fonctions préfixées scale_XXX() et leurs arguments breaks :

• scale_x_discrete() : gérer l’axe des x d’une variable qualitative

• scale_x_continuous()* : gérer l’axe des x d’une variable continue

• scale_x_manual() : gérer manuellement l’axe des x

• scale_fill_manual() : gérer manuellement la variable de croisement de type fill

• scale_colour_manual() : gérer manuellement la variable de croisement de type colour

12.5 Habillage du graphique

• On modifie l’apparence générale du graphique à l’aide de la fonction theme(). De nombreux paramètres à consulter dans l’aide de la fonction permettent de modifier chaque élément d’un graphique.

Par exemple, pour supprimer le fond gris d’un graphique et transformer les lignes des axes en lignes grises d’épaisseur 0,2, il faut ajouter le bloc suivant au code du graphique :

12.6 Habillage du graphique

• Il existe des thèmes prédéfinis que l’on peut ajouter à un graphique 

12.7 Habillage du graphique

On peut modifier l’ensemble des libellés avec la fonction labs()

12.8 Zoom sur un graphique

Attention à l’argument limits de la fonction scale_x_continuous() qui enlève les données hors de l’intervalle.
Selon que celui-ci est ouvert ou fermé, ggplot2 peut supprimer des barres.

=> Pour zoomer sur un graphique, la bonne pratique est d’utiliser la fonction coord_cartesian() et son argument xlim.

13.1 Sauvegarde du graphique

• La sauvegarde du graphique peut se faire avec le bouton « export » de l’onglet « Plots »

• On peut également sauvegarder un graphique avec la fonction ggsave()

  • possibilité d’exporter au format pdf, svg, png, etc. → il suffit de l’indiquer dans l’extension du nom de fichier en sortie

  • par défaut, la fonction exporte le dernier graphique possibilité de choisir la taille et la résolution du graphique exporté

14.1 Liens

• Des exemples de graphiques inspirants (à mettre en favoris) https://www.r-graph-gallery.com/

• Le livre de recette de ggplot2 (UN MUST) https://r-graphics.org/

• Un flipbook pour bien comprendre la superposition des éléments d’un graphique. Par exemple https://evamaerey.github.io/ggplot_flipbook/ggplot_flipbook_xaringan.html#1

• Une liste des différentes extensions de ggplot2 https://exts.ggplot2.tidyverse.org/gallery/

• Le package {esquisse} pour construire une ébauche de graphique et générer le code => https://dreamrs.shinyapps.io/esquisse/

15.1 Exercice 1

15.2 Résultat attendu - exercice 1