Quatre jeux de données, mêmes paramètres estimés de régression linéaire simple
(\(y = 3 + 0.5x\)), mais relations bien différentes!

Anscombe, F.J. (1973). Graphs in Statistical Analysis. The American Statistician, 27(1). pp. 17-21.

Autres exemples : https://www.autodeskresearch.com/publications/samestats

1. Système graphique de base (packages graphics et grDevices)
   • fait partie de l’installation de base de R depuis le début;
   • développé par le « R core team ».
2. Package lattice
   • publié pour la première fois en 2001;
   • développé par Deepayan Sarkar (https://CRAN.R-project.org/package=lattice);
   • basé sur le « trellis » système de S-PLUS, qui implémente le système graphique présenté dans : Cleveland, W. S. (1993). Visualizing data. Hobart Press.
3. Package ggplot2
   • publié pour la première fois en 2006 sous le nom de ggplot;
   • amélioré de façon importante et renommé ggplot2 en 2007;
   • créé par Hadley Wickham (créateur) et maintenant développé par toute une équipe (https://CRAN.R-project.org/package=ggplot2);
   • implémente la grammaire graphique présentée dans : Wilkinson, L. (2005). The grammar of graphics, Second Edition. Springer.

Procédure de création d’un graphique :

1. La configuration de paramètres graphiques (au besoin) :
   • énoncé par ou layout.
2. L’initialisation d’un graphique :
   • fonction générique de base : plot (choisit un graphique pertinent à produire selon ce qu’elle reçoit en entrée),
   • ou fonction pour un type spécifique de graphiques : pairs, matplot, pie, barplot, mosaicplot, hist, boxplot, qqnorm, qqplot, curve, etc.
3. L’ajout séquentiel d’éléments au graphique (au besoin) :
   • fonctions d’ajouts à un graphique déjà initialisé :
     • points, matpoints, lines, matlines, abline, segments, arrows, rect, polygon, legend, text, mtext, title, axis, box, qqline, etc.;
     • matplot, barplot, hist, boxplot, curve avec l’argument add = TRUE.

Arguments et paramètres graphiques ⇒ mise en forme et annotations

Pour en savoir plus : https://stt4230.rbind.io/communication_resultats/graphiques_r/

# 1. Configuration de paramètres graphiques
par.default <- par(bty = 'n')

# 2. Initialisation d'un graphique (contenant ici des boxplots)
plot(stations ~ magFactor, data = quakes, lwd = 1.5,
     main = "Nombres de stations ayant rapporté les séismes
             selon leurs classes de magnitude",
     xlab = "classe de magnitude", ylab = "nombre de stations")

# 3. Ajout séquentiel d'éléments au graphique
# Ajout de diagrammes de dispersion 1D par région
stripchart(stations ~ magFactor, data = quakes, subset = region == "Est",
           method = "jitter", jitter = 0.3, pch = 20, 
           col = rgb(0,0,1,0.2), add = TRUE, vertical = TRUE)
stripchart(stations ~ magFactor, data = quakes, subset = region == "Ouest",
           method = "jitter", jitter = 0.3, pch = 20, 
           col = rgb(1,0,0,0.2), add = TRUE, vertical = TRUE)
# Ajout d'une légende
legend(x = "bottomright", pch = 20, bty = "n", 
       col = c(rgb(0,0,1,0.5), rgb(1,0,0,0.5)),
       legend = c("Est", "Ouest"), title = "région")

# Réattribution des valeurs par défaut aux paramètres graphiques modifiés
par(par.default)

Data frame quakes du package datasets : observations pour 1000 évènements sismiques survenus près des îles Fidji depuis 1964

• lat et long : localisation géographique du séisme en latitude-longitude,
• depth et mag : profondeur et magnitude du séisme,
• stations : nombre de stations sismiques ayant rapporté l’évènement.

# Variables catégoriques ajoutées :
quakes$magFactor <- factor(floor(quakes$mag))               # classe de magnitude
quakes$region <- factor(quakes$long >= 175, labels = c("Ouest", "Est"))  # région

str(quakes)

## 'data.frame':    1000 obs. of  7 variables:
##  $ lat      : num  -20.4 -20.6 -26 -18 -20.4 ...
##  $ long     : num  182 181 184 182 182 ...
##  $ depth    : int  562 650 42 626 649 195 82 194 211 622 ...
##  $ mag      : num  4.8 4.2 5.4 4.1 4 4 4.8 4.4 4.7 4.3 ...
##  $ stations : int  41 15 43 19 11 12 43 15 35 19 ...
##  $ magFactor: Factor w/ 3 levels "4","5","6": 1 1 2 1 1 1 1 1 1 1 ...
##  $ region   : Factor w/ 2 levels "Ouest","Est": 2 2 2 2 2 2 1 2 2 2 ...

Force = représentations multivariables

library(lattice)
xyplot(stations ~ depth | region, data = quakes, groups = magFactor,
       main = "Nombres de stations ayant rapporté les séismes selon différentes variables",
       xlab = "profondeur", ylab = "nombre de stations",
       auto.key = list(title = "classe de\nmagnitude", space = "right", cex.title = 0.8))

Conçu en ayant comme objectif la simplicité d’utilisation et la qualité des graphiques produits

• Forces reprises des systèmes graphiques R précédents :
  • système de base : création de graphiques par couches
    (ajouts séquentiels d’éléments);
  • package lattice : représentations multivariables simples.
• Améliorations apportées aux systèmes graphiques R précédents :
  • fournir une esthétique par défaut pensée de façon à transmettre plus efficacement les informations contenues dans le graphique (ex. choix de couleur),
  • automatiser certaines configurations graphiques (ex. les légendes),
  • faciliter l’ajout de transformations statistiques communes (ex. courbes de lissage, barres d’erreur).

1. Premiers pas avec ggplot2
2. Apprendre par des exemples
3. Packages souvent utilisés avec ggplot2 et extensions de ggplot2
4. Conclusion

Fichiers

• Présentation : Visualisation_ggplot2_RaQ2019.pdf
• Exemples : Visualisation_ggplot2_RaQ2019_Exemples.Rmd
  (ou version HTML)
• Exercices : Visualisation_ggplot2_RaQ2019_Exercices.html

Graphique statistique = représentation de données, dans un système de coordonnées spécifique, divisée en éléments de base :

• éléments géométriques (geoms) : points, lignes, barres, etc.;
• propriétés visuelles (aesthetics) des éléments géométriques : axes, couleurs, formes, tailles, etc.
• transformations statistiques, si désirées : courbe de lissage, région d’erreur, etc.

Un graphique est spécifié en associant des variables, provenant des données, à des propriétés visuelles des éléments géométriques du graphique.

• ggplot : initialisation d’un objet de classe ggplot

• qplot : initialisation rapide (q pour quick) d’un objet ggplot

  • Utilisation plus intuitive que ggplot pour des gens familiers avec plot.
  • N’offre cependant pas toutes les possibilités de ggplot.
  • Ne sera pas couvert ici.

• + : opérateur pour l’ajout de couches ou la modification de configurations dans un objet ggplot

• fonctions de type geom_ (p.ex. geom_point, geom_boxplot, geom_bar, etc.) :
  spécification de couches à ajouter à un graphique

• aes : création d’un mapping, soit une association entre entre des propriétés visuelles et des variables

• ggsave : enregistrement d’un graphique

Produire un graphique = afficher un objet ggplot

ggplot(data = <DATA>) + 
  <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

• éléments entre < et > à remplacer :
  • <DATA> = jeu de données, obligatoirement stocké dans un data frame,
    dans lequel les variables catégoriques doivent être des vecteurs de chaînes de caractères ou des facteurs (dont les libellés des niveaux ont avantage à être informatifs, car ils apparaîtront dans le graphique);
  • <GEOM_FUNCTION> = le nom d’une fonction de type geom_ pour ajouter une couche d’éléments géométriques au graphique;
  • <MAPPINGS> = arguments à fournir à la fonction aes,
    (les arguments acceptés varient un peu selon la <GEOM_FUNCTION>);

Source : http://r4ds.had.co.nz/data-visualisation.html#a-graphing-template

Les arguments data et mapping peuvent être fournis :

• à la fonction ggplot : leur valeur est alors commune à toutes le couches
  (il est tout de même possible de forcer l’utilisation d’autres données ou d’autres associations pour des couches spécifiques);
• ou à une <GEOM_FUNCTION> : leur valeur est alors spécifique à la couche produite.

Syntaxes équivalentes au gabarit minimaliste

# Version « tout sur la même ligne » du gabarit :
ggplot(data = <DATA>) + <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

Étant donné que le graphique produit par ce gabarit ne comprend qu’une seule couche, les syntaxes suivantes sont équivalentes à celle du gabarit.

# argument data spécifique (fourni dans l'appel à la <GEOM_FUNCTION>)
ggplot() + <GEOM_FUNCTION>(data = <DATA>, mapping = aes(<MAPPINGS>))

# argument mapping global (fourni dans l'appel à ggplot)
ggplot(data = <DATA>, mapping = aes(<MAPPINGS>)) + <GEOM_FUNCTION>()

library(ggplot2)
ggplot(data = quakes) + geom_point(mapping = aes(x = mag, y = stations))

Un graphique produit en ggplot2 est en fait un objet de classe ggplot.

On commence par l’initialiser :

monGraph <- ggplot(data = <DATA>)

puis y ajouter des couches :

monGraph <- monGraph + <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

on peut observer le contenu de l’objet :

str(monGraph)
summary(monGraph)

et enfin produire un graphique à partir de l’objet, simplement en l’affichant :

monGraph # ou print(monGraph)

La plupart de ces fonctions cachent des transformations statistiques (ex. geom_bar et geom_histogram calculent des fréquences, geom_boxplot calcule des quantiles, geom_density estime une densité, etc.)

Pour ajouter des couches ou modifier des configurations dans un objet ggplot initialisé :

• fonctions labs, ggtitle, xlab, ylab : ajouter un titre, modifier les noms d’axes;
• fonctions de type coord_ : modifier des configurations reliées au système de coordonnées;
• fonctions de type facet_ : créer des panneaux (panel) de graphiques côte-à-côte
  • chacun des sous-graphiques est conditionnel à la valeur de facteurs(s), il représente donc seulement le sous-ensemble des observations ayant une modalité particulière pour ce(s) facteur(s).
• fonctions de type theme_ : modifier des configurations reliées à l’apparence du graphique;
• fonctions de type scale_ : modifier les échelles de certaines propriétés visuelles (ex. couleurs, formes, tailles, etc.)

Il y a beaucoup d’autres fonctions! http://ggplot2.tidyverse.org/reference/

1. Planifier le travail
   1. Je veux représenter quelles variables, de quel jeu de données ?
   2. Je veux créer quel type de graphique ?
   3. Quelle fonction de type geom_ me permettra de produire les éléments géométriques de ce graphique ? (voir http://ggplot2.tidyverse.org/reference/)
   4. Cette fonction accepte quelles propriétés visuelles ?
      (voir http://ggplot2.tidyverse.org/reference/)
   5. Je veux associer les variables concernées à quelles propriétés visuelles ?
2. Écrire et soumettre la première version du code de création du graphique
3. Modifier le code de création du graphique pour ajuster la mise en forme (titre, nom d’axes, autres annotations, palette de couleur, etc.) selon mes besoins
   • travail itératif (cycle « modification code » \(\rightarrow\) « jugement du graphique créé » répété) jusqu’à l’obtention d’un résultat satisfaisant

Flipbook

https://evamaerey.github.io/ggplot_flipbook/ggplot_flipbook_xaringan.html#1

L’impact de chaque ajout au code de création du graphique peut être visualisé.

Fichier d’exemples

Visualisation_ggplot2_RaQ2019_Exemples.Rmd

Exemples que j’ai préparés, faisant intervenir divers types de graphiques, pour illustrer des possibilités de ggplot2.

ggplot2 fait partie du Tidyverse : https://www.tidyverse.org/

Il est souvent utilisé conjointement à d’autres packages de ce regroupement de packages, notamment :

• dplyr pour la manipulation / le prétraitement de données
  • https://dplyr.tidyverse.org/
• magrittr qui offre l’opérateur « pipe » %>% :
  • https://magrittr.tidyverse.org/
  • introduction à l’opérateur %>% : https://stt4230.rbind.io/amelioration_code/bonnes_pratiques_r/#operateur-pipe
• forcats pour la manipulation de facteurs :
  • https://forcats.tidyverse.org/
  • (la fonction fct_rev de ce package a été utilisée dans un exemple)

Un nombre important d’extensions de ggplot2 sont offertes. Plusieurs sont énumérées sur le site web suivant : http://www.ggplot2-exts.org/gallery/

Quelques extensions intéressantes :

• ggthemes : thèmes complets supplémentaires;
• ggrepel : fonction geom_text_repel() pour éviter les textes superposés;
• cowplot : thème adapté aux publications scientifiques et possibilité de combiner plusieurs graphiques en un;
• ggExtra : ajout facile d’histogrammes marginaux;
• GGally : matrice de diagrammes de dispersion (équivalent de pairs) et plus;
• ggiraph : graphiques interactifs (format HTML);
• gganimate : gif animés (ou autres formats d’animation);
• ajout de cartes en arrière-plan :
  • maps et mapdata (s’utilisent aussi avec le système graphique de base),
  • ggmap : intégration de données Google Maps (mais requière un compte Google avec facturation activée);
• etc.

Quelques sites web (il y en a bien plus!) :

• Page web sur le CRAN : https://CRAN.R-project.org/package=ggplot2
• Documentation en ligne : http://ggplot2.tidyverse.org/
• Feuille de triche (cheat sheet) : https://github.com/rstudio/cheatsheets/blob/master/data-visualization-2.1.pdf
• Flipbook : https://evamaerey.github.io/ggplot_flipbook/ggplot_flipbook_xaringan.html#1
• Exemples de graphiques (tous systèmes, mais beaucoup de ggplot2) avec leur code source permettant de les reproduire: http://www.r-graph-gallery.com/
• Extensions de ggplot2 : https://www.ggplot2-exts.org
• Extension et tutoriel de la BBC : https://bbc.github.io/rcookbook/
• Vidéos de Roger Peng concernant ggplot2 :
  • https://www.youtube.com/watch?v=HeqHMM4ziXA
  • https://www.youtube.com/watch?v=n8kYa9vu1l8

• Livres :
  • Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis, Second Edition. Springer. URL pour le code R : https://github.com/hadley/ggplot2-book
  • Wickham, H. et Grolemund, G. (2016). R for Data Science. O’Reilly Media, Inc. Chapitre 3. URL http://r4ds.had.co.nz/
  • Wilkinson, L. (2005). The grammar of graphics, Second Edition. Springer.
  • Chang, W. (2012). R Graphics Cookbook: Practical Recipes for Visualizing Data. O’Reilly Media, Inc. URL pour le code R : http://www.cookbook-r.com/Graphs/

Pour en apprendre davantage sur le système de base :

• Notes de cours (traitent principalement du système graphique R de base) :
  • Baillargeon, S. (2019). Graphiques en R. STT-4230/STT-6230 : R pour scientifique. Université Laval. URL https://stt4230.rbind.io/communication_resultats/graphiques_r/