Stats : sum et quantile

Visualisation de données intermédiaire avec ggplot2

Rick Scavetta

Founder, Scavetta Academy

Rappel du cours 1

	Cause du surtracé	Solutions
1.	Grands ensembles de données	Fusion alpha, cercles vides, taille des points
2.	Valeurs alignées sur un seul axe	Comme ci-dessus, plus changer la position
3.	Données de faible précision	Position : gigue
4.	Données entières	Position : gigue

Tracer des comptes pour réduire le surtracé

	Cause du surtracé	Solutions	Ici...
1.	Grands ensembles de données	Fusion alpha, cercles vides, taille des points
2.	Valeurs alignées sur un seul axe	Comme ci-dessus, plus changer la position
3.	Données de faible précision	Position : gigue	`geom_count()`
4.	Données entières	Position : gigue	`geom_count()`

Données peu précises (et entières)

p <- ggplot(iris, aes(Sepal.Length, 
                      Sepal.Width))

p + geom_point()

La gigue peut induire en erreur

p + geom_jitter(alpha = 0.5,
                width = 0.1,
                height = 0.1)

geom_count()

p + 
  geom_count()

Lien entre geom et stat

geom_	stat_
`geom_count()`	`stat_sum()`

stat_sum()

p + 
  stat_sum()

Le surtracé peut persister !

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

geom_quantile()

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

Gérer l’hétéroscédasticité

library(AER)
data(Journals)

p <- ggplot(Journals, 
            aes(log(price/citations), 
                log(subs))) +
  geom_point(alpha = 0.5) +
  labs(...)

p

Utiliser geom_quantiles

p +
  geom_quantile(quantiles = 
                c(0.05, 0.50, 0.95))

Lien entre geom et stat

geom_	stat_
`geom_count()`	`stat_sum()`
`geom_quantile()`	`stat_quantile()`

Prêt pour les exercices !

Visualisation de données intermédiaire avec ggplot2