Graphiques à points

Les meilleures pratiques de visualisation avec R

Nick Strayer

Instructor

Quand l'histogramme n'est pas idéal

Pas une quantité
Transformations non linéaires

Graphiques à points

Remplacer la barre par un point
Aussi appelés graphiques à points ou dot plots

Avantages des graphiques à points

Grande précision
Représentation efficace
Simple

Données pour la leçon

Sous-ensemble des données de l'OMS
Les pays forment un sous-ensemble « intéressant » — voyons pourquoi

interestingCountries <- c("NGA", "SDN", "FRA", "NPL", "MYS", "TZA", "YEM", "UKR", "BGD", "VNM")

who_subset <- who_disease %>%
  filter(
    countryCode %in% interestingCountries,
    disease == 'measles',
    year %in% c(2006, 2016)) %>% 
  mutate(year = paste0('cases_', year)) %>% 
  arrange(year, region) %>%
  pivot_wider(names_from = year, values_from = cases)

who_subset

who_subset

# A tibble: 10 x 6
   region countryCode country     disease cases_2006 cases_2016
   <chr>  <chr>       <chr>       <chr>        <dbl>      <dbl>
 1 AFR    NGA         Nigeria     measles        704      17136
 2 AFR    TZA         Tanzania    measles       2362         33
 3 EMR    SDN         Sudan (the) measles        228       1767
 4 EMR    YEM         Yemen       measles       8079        143
 5 EUR    FRA         France      measles         40         79
 6 EUR    UKR         Ukraine     measles      42724        102
 7 SEAR   BGD         Bangladesh  measles       6192        972
 8 SEAR   NPL         Nepal       measles       2838       1269
 9 WPR    MYS         Malaysia    measles        564       1569
10 WPR    VNM         Viet Nam    measles       1978         46

Code pour les graphiques à points

geom_point() avec un axe catégoriel et un axe numérique

who_subset %>% 
  # On applique ici une transformation logarithmique, donc les barres ne conviennent pas
  ggplot(aes(y = country, x = log10(cases_2016))) +
  # Simple geom_point()
  geom_point()

Ordonner vos graphiques à points

L'ordre améliore grandement la lisibilité
Utilisez reorder() dans l'attribution esthétique

who_subset %>% 
  # calculer le changement logarithmique (fold change) entre 2016 et 2006
  mutate(logFoldChange = log2(cases_2016/cases_2006)) %>% 
  ggplot(aes(x = logFoldChange, y = reorder(country, logFoldChange))) +
  geom_point()

Passons à la pratique !

Les meilleures pratiques de visualisation avec R