Visualisations graphiques dans R avec ggplot2

R pour les utilisateurs et utilisatrices de SAS

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Module ggplot2

logo autocollant hexagonal ggplot2

ggplot2 est un puissant module graphique pour R
Le « GG » de ggplot signifie « grammar of graphics »
ggplot2 construit les graphiques par couches
Un ou plusieurs objets géométriques s'ajoutent à la couche de base

Couches – couche de base

# Create plot for x=sex and y=diameter
ggplot(data = abalone, aes(sex, diameter))

Définir la couche de base avec ggplot()
Indiquer data = abalone
Définir aes à sex et diameter
Aucun objet graphique pour l'instant
L'axe x est prêt pour sex
L'axe y est prêt pour diameter
La grille est en place

environnement graphique ggplot2 sans boîte à moustaches pour l'instant

Couches – ajouter le geom boxplot

# Add boxplot geometric object or geom
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_boxplot()

L'opérateur plus + ajoute une couche
Ajout du diagramme en boîtes geom_boxplot()
Résultat : une série de boîtes
Diamètres d'abalone selon le sexe
F femelles, I juvéniles et M mâles

boîtes à moustaches ggplot2 ajoutées

Couches – ajouter un thème

# Add black white theme
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_boxplot() +
  theme_bw()

Ajouter une couche « thème » avec theme_bw()
Retire l'arrière-plan gris
Ajoute un cadre noir autour du graphique

diagramme en boîtes ggplot2 avec thème noir et blanc

Remplacer le geom boxplot par le geom violin

# Change to geom_violin()
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_violin() +
  theme_bw()

geom_violin remplace geom_boxplot
Crée une forme de violon
Reflète la densité des données
Un simple changement pour une nouvelle figure

diagramme en violon ggplot2

Histogramme à une variable

# Make histogram of shuckedWeight
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram()

Créer un histogramme pour une variable
Une variable = une esthétique
Ajouter geom_histogram()
Régler aes() à shuckedWeight
Les couleurs par défaut sont à ajuster

histogramme ggplot2 tout en noir

Histogramme : ajouter des couleurs

# Make lines black and fill light blue
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram(color = "black",
                 fill = "lightblue")

Modifier les paramètres graphiques
Définir la color des contours
Définir la couleur de fill des barres
Chaque option se met dans les ()
L'histogramme est bien plus lisible

histogramme ggplot2 avec barres bleues et contours noirs

Histogramme : ajouter un titre et des axes

# Add x, y axis labels and title
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram(color = "black",
                 fill = "lightblue") +
  xlab("Shucked Weight") +
  ylab("Frequency Counts") +
  ggtitle("Shucked Weights Histogram")

Ajouter de meilleures étiquettes d'axes et un titre
Utiliser xlab() et ylab() pour les axes
Utiliser ggtitle() pour le titre
Cette figure est prête à être publiée !

histogramme ggplot2 avec étiquettes d'axes et titre

Créer un nuage de points

# Make scatterplot with geom_point()
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point()

Un nuage de points aes requiert deux variables
geom_point() ajoute les points
Masse de la coquille selon le nombre d'anneaux

nuage de points ggplot2 de shellWeight selon rings

Nuage de points : ajouter une courbe lissée

# Add smoothed fit line
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point() +
  geom_smooth()

Ajouter geom_smooth() au nuage de points
Comprend une zone d'intervalle de confiance ombrée

nuage de points ggplot2 avec courbe lissée ajoutée

Créer des panneaux par une autre variable

# Add panels using facet_wrap()
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point() +
  geom_smooth() +
  facet_wrap(vars(sex))

Ajouter une couche de plus au nuage de points
Créer des panneaux pour chaque sexe d'abalone
Ajouter la couche facet_wrap()
vars(sex) indique la variable des panneaux

nuage de points ggplot2 avec 3 panneaux par sexe

Suite du cours

Le chapitre 1 se termine par une brève intro aux graphiques
- bases graphiques avec ggplot2
- visualiser les mesures d'abalone selon le sexe
Le chapitre 2 porte sur la transformation des données
- nettoyer l'ensemble abalone
Le chapitre 3 couvre l'exploration des données
- stats descriptives, corrélations et tests de comparaison
Le chapitre 4 traite de la modélisation et de la présentation
- prédire l'âge des abalones avec les mesures
- explorer les modèles selon le sexe

Créons quelques graphiques pour les abalones

R pour les utilisateurs et utilisatrices de SAS