Améliorer vos graphiques

Données catégorielles dans le Tidyverse

Emily Robinson

Data Scientist

Un nuage de points avec « problème » en ordonnée et « pourcentage considérant un problème » en abscisse. Les problèmes incluent Expectations, Dirty Data et Domain Expertise. Le graphique n'est pas ordonné, les points sont dispersés.

Réordonner les facteurs

ggplot(WorkChallenges, aes(x = fct_reorder(question, perc_problem),
                           y = perc_problem)) +
  geom_point() + 
  coord_flip()

Le même nuage de points qu'avant, mais ordonné : de gauche à droite, du plus faible au plus fort pourcentage.

Un diagramme en barres avec l'intitulé de poste en ordonnée et le nombre en abscisse. Les barres ne sont pas ordonnées par effectif.

Réordonner un diagramme en barres

ggplot(multiple_choice_responses, aes(x = fct_infreq(CurrentJobTitleSelect)) +
   geom_bar() +
   coord_flip()

Le même diagramme en barres, mais ordonné de haut en bas par effectif croissant.

Inverser les modalités d'un facteur

ggplot(multiple_choice_responses, aes(x = fct_rev(fct_infreq(CurrentJobTitleSelect)))) +
    geom_bar() + 
    coord_flip()

Le même diagramme en barres, mais ordonné de haut en bas par effectif décroissant.

Passons à la pratique !

Données catégorielles dans le Tidyverse