Introduction à la grammaire des graphiques

Les meilleures pratiques de visualisation avec R

Nick Strayer

Instructor

De quoi s'agit-il ?

Ce que vous allez apprendre

Créer de meilleures visualisations en réfléchissant bien aux données.

Comment vous l'apprendrez

Aperçus des différents types de données
Visualisations standard
Alternatives

Plan 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 sujets de programmation
Chaque règle a des exceptions
On met l'accent sur la réflexion à chaque problème pour savoir gérer ces cas quand ils se présentent

Outils utilisés

R
Le « Tidyverse »
Ggplot2

Données utilisées

Provient 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 de maladies de l'OMS

# 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 !

Les meilleures pratiques de visualisation avec R