Introduction à la « Grammar of Graphics »

Bonnes pratiques de visualisation avec R

Nick Strayer

Instructor

De quoi parle ce cours ?

Ce que vous allez apprendre

Comment créer de meilleures visualisations en réfléchissant en profondeur aux données.

Comment vous l'apprendrez

Aperçus des différents types de données
Visualisations standard
Alternatives

Organisation du cours

Chapitre 1 : Proportions d'un tout

Chapitre 2 : Données ponctuelles

Chapitre 3 : Distributions uniques

Chapitre 4 : Distributions multiples (ou conditionnelles)

Attention !

Les sujets ici sont moins tranchés que d'autres thèmes de programmation
Chaque règle aura des exceptions
Nous insistons sur la réflexion à chaque étape pour vous aider à gérer ces cas quand ils se présentent

Outils utilisés

R
Le « Tidyverse »
Ggplot2

Données utilisées

Proviennent de l'Organisation mondiale de la santé (OMS)

who_disease

# A tibble: 43,262 x 6
   region countryCode country             disease  year  cases
   <chr>  <chr>       <chr>               <chr>   <int>  <dbl>
 1 EMR    AFG         Afghanistan         measles  2016 638   
 2 EUR    ALB         Albania             measles  2016  17.0 
 3 AFR    DZA         Algeria             measles  2016  41.0 
 4 EUR    AND         Andorra             measles  2016   0   
 5 AFR    AGO         Angola              measles  2016  53.0 
 6 AMR    ATG         Antigua and Barbuda measles  2016   0   
 7 AMR    ARG         Argentina           measles  2016   0   
 8 EUR    ARM         Armenia             measles  2016   2.00
# ... with 43,254 more rows

Données OMS sur les maladies

# Filter to AMR region 
amr_region <- who_disease %>% 
  filter(region == 'AMR')

# Map x to year and y to cases, color by disease
ggplot(amr_region, aes(x = year, y = cases, color = disease)) + 
  geom_point(alpha = 0.5)

Passons à la pratique !

Bonnes pratiques de visualisation avec R