Améliorer vos graphiques

Données catégorielles dans le tidyverse

Emily Robinson

Data Scientist

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

Réordonner des 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 maintenant ordonné de gauche à droite du plus faible au plus fort pourcentage le considérant comme un problème.

Diagramme à barres avec le titre d'emploi en ordonnée et le dénombrement en abscisse. Les barres ne sont pas ordonnées par dénombrement.

Réordonner un diagramme à barres

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

Le même diagramme à barres, mais maintenant ordonné de haut en bas par dénombrement croissant.

Inverser les niveaux d'un facteur

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

Le même diagramme à barres, mais maintenant ordonné de haut en bas par dénombrement décroissant.

Passons à la pratique !

Données catégorielles dans le tidyverse