Wiki ODR - Contributions de l’utilisateur [fr]

Métaanalyse avec R

2014-07-18T09:11:42Z

Ccahuzac :

== Objectifs ==

La méta-analyse est une méthode statistique qui fût inventée en 1904 par Karl Pearson pour tenter de surmonter le problème de puissance statistique réduite dans les études d'échantillons de petites tailles. Aujourd'hui, elle est très utilisée dans le domaine de la santé, où les chercheurs sont confrontés à la multiplicité d'études et d'essais thérapeutiques portant sur un même sujet, mais dont les protocoles mis en place et plus généralement les conditions des études diffèrent. En effet, la méta-analyse consiste en une '''synthèse quantitative''' de ces différents résultats pour obtenir une valeur "corrigée" qui intègre plus d'informations qu'une valeur unique prise dans la littérature (avec plus ou moins de justifications) ou bien qu'une simple moyenne des valeurs de la littérature.

Dans un premier temps, il s'agit donc de collecter les valeurs de résultats des essais déjà réalisés, ainsi que les conditions dans lesquelles ils ont été obtenus. Pour celà, il est donc nécessaire de définir au préalable des critères d'inclusion ou non des études qui soient précisément établis. A noter que cette recherche doit être la plus exhaustive possible afin que la méta-analyse soit une synthèse pertinente de la littérature existante sur le sujet défini.

== Package METAFOR ==
Il existe trois packages dans R permettant de réaliser des méta-analyses : META, RMETA et METAFOR. Ce dernier est cependant le plus perfectionné puisqu’il offre la possibilité de réaliser des méta-régressions, d’utiliser un modèle à effets fixes ou bien aléatoires, ou encore car il intègre le calcul de différentes mesures d’hétérogénéité.

''Pour la suite, on prend l’exemple d’un traitement binaire (succès : Y=1 ou échec : Y=0). appliqué à une population test (X=1) mais pas à une population de contrôle (X=0). 
A noter que X peut aussi être l'exposition à une maladie.''

=== Jeu de données BCG ===
Pour illustrer, on utilisera le jeu de données « BCG » du package metafor.qui contient les données de 13 essais cliniques du vaccin Bacillus Calmette–Guérin (BCG). Ainsi, le traitement (variable X) consiste en l'administration ou non du vaccin, et la variable observée (Y) est l'infection ou non par la tuberculose. Les données contiennent également trois variables explicatives possibles :
* l'année de publication
* la latitude de la région où s'est déroulé l'essai
* la méthode d'allocation du traitement choisie pour l'essai. 

<pre>#metafor package
library(metafor)

### load BCG vaccine data
data(dat.bcg)
</pre>

[[Fichier:Capture d’écran 2014-04-15 à 09.43.30.png]]

Les résultats d’un essai peuvent être représentés sous la forme suivante :

{| class="wikitable" border="1"
|-
!
! vacciné
! non vacciné
! Total 
individus

|-
| ''' Tuberculeux '''
| a = tpos
| c = cpos
| n1

|-
| '''Non tuberculeux'''
| b = tneg
| d = cneg
| n2
|}

=== Calcul de la taille d'effet ("effect size")===
Par exemple : Odd ratio, Risque Relatif, Ecart de moyenne,..
Cette grandeur est nécessaire pour comparer les différentes études, et le but de la méta-analyse est précisément d'en obtenir une valeur corrigée. 

Il est de convention d’assumer la normalité des grandeurs d'effets ; ce qui n'est pas abusif à partir du moment où l’échantillon est de taille suffisante (application du Théorème Central Limite). Pour normaliser les grandeurs d'effet il est usuel d’utiliser une transformation logarithmique. ([http://www.edii.uclm.es/~useR-2013/Tutorials/kovalchik/kovalchik_meta_tutorial.pdf Tutorial: Performing Meta-Analysis With R - Stephanie A. Kovalchik, National Cancer Institute])

==== A partir des observations (fonction escalc) ====
Dans le package metafor, la fonction escalc permet de calculer directement les logESs et les variances correspondantes (SElogES2) à partir du nombre d'individus observés (tableau).
Il est important de noter qu'il s'agit bien de la variance du logarithme de l'ES, et non de l'ES directement ! (la formulation utilisée dans certaines sources de documentation peuvent parfois porter à confusion là dessus).

''(Pour la suite on prendra l'exemple des Odd Ratios comme effect size)''
<pre>
### calculate log odds ratios and corresponding sampling variances
dat <- escalc(measure="OR", ai=tpos, bi=tneg, ci=cpos, di=cneg, data=dat.bcg)
cbind(dat$yi,dat$vi)
</pre>

<center>
[[Fichier:escalc.png]]
</center>

==== A partir des données brutes ====
Si les données recueuillies sur les études sont déjà des Odd ratio, il est possible de retrouver ces grandeurs à l'aide de l'intervalle de confiance de l'OR (à 95%)

<math>\begin{align} IC(OR)=[a,b] \\

\Rightarrow IC(lnOR)=[lna,lnb] \\
\\
Comme lnOR \longrightarrow \mathcal{N}(\mu,SElnOR^2) \\
IC(lnOR)=[\mu \pm 1,96 \times SElnOR] \\
\\
Resoudre : \left\{
\begin{array}{l}
\mu - 1,96 \times SElnOR = lna \\
\mu + 1,96 \times SElnOR = lnb
\end{array}
\right. \\

\Rightarrow \left\{
\begin{array}{l}
\mu = \frac{ln(a \times b)}{2} \\
SElnOR = \frac{ln(\frac{a}{b})}{2\times 1,96}
\end{array}
\right. \\
\end{align}
</math> 
 

Autre méthode envisageable et plus simple ? <big>'''(A discuter !)'''</big>
On utilise :

<math>
\begin{align}

lna = lnOR - 1,96 \times SElnOR \\
\Rightarrow SElnOR = \frac{lnOR - lna}{1,96} \\
\end{align}
</math>

=== Méta-analyse ===

Plusieurs fonctions sont disponibles dans le package metafor, voir la documentation du package pour plus de détails.
Deux fonctions intéressantes :
* rma.uni
* rma.mv

==== rma.uni (Random effect Meta-Analysis) ====
Permet de réaliser des méta-analyses avec un modèle linéaire :
* à effets fixes ou mixed/random
* avec ou sans modérateurs

Par défaut la méthode utilisée est RE REML (Random Effect avec REstricted Maximum Likehood).

Pour la suite, on renomme alpha les lnOR, et beta la variance correspondante (soit SElnOR2)
<pre>
#Alpha=LnOR
#Beta=VarLnOR
dat$alpha<-dat$yi
dat$beta<-dat$vi</pre>

'''exemple 1 : Première régression, sans inclure de modérateurs dans le modèle :'''
<pre>### random-effects model using rma.uni()
resrma<-rma.uni(yi=alpha, vi=beta, measure="OR",data=dat)

resrma$b #lnOR=-0.745
exp(-0.745) #OR corrigé = 0.4747
</pre>

avec :
* yi : vecteur de longueur k (le nombre d’études) des lnOR observés (ou plus généralement les outcomes normalisés)
* vi (ou sei) : vecteur de longueur k contenant les variances (ou standard errors) correspondantes.

Plusieurs arguments peuvent être ajoutés :
* mods : permet d’inclure un ou plusieurs modérateurs dans le modèle.
* weights : par défaut le poids donné à chaque étude dans l’analyse est égal à l’inverse de sa variance, mais il peut être spécifié.
* method : permet de spécifier un modèle à effets fixes par exemple.

 
<big>'''Il est important de noter que dans toutes les fonctions utilisées, les arguments requis (yi et vi) sont les effect size normalisés (que l'on a renommé précédemment alpha et beta), même si l'argument "measure" indique "OR"'''
</big>
 

[[Fichier:without_moderators.png]]

'''exemple 2 : fixed effect modèle'''
<pre>### fixed-effects model using rma.uni()
resfe<-rma.uni(yi=alpha, vi=beta, measure="OR",data=dat, method="FE")
resfe
resfe$b #lnOR=-0.4361
exp(-0.4361) #OR corrigé = 0.6465531
</pre>

[[Fichier:fixed_effect.png]]

On peut vouloir inclure des covariates dans le modèle, devant la forte hétérogénéité observée observée entre les études (I2=99.92%)

'''exemple 3 : metaregression avec une seule variable :'''
<pre>### Meta-regression incluant la variable latitude
res.lat<-rma.uni(yi=alpha, vi=beta, measure="OR",data=dat, mods =ablat)
res.lat

#Comparaison des résultats :
exp(c(resrma$b, res.lat$b[1])) #OR corrigé : 0.4587 vs. 1.3513

c(resrma$I2, res.lat$I2) #I^2
(resrma$I2-res.lat$I2)/resrma$I2 #Baisse de l'hétérogénéité de 42.6%
</pre>

[[Fichier:Meta_unmoderator.png]]

'''exemple 4 : metaregression incluant les trois variables explicatives :'''
<pre>### Meta-regression incluant les variables latitude, année et allocation du traitement
res.meta<-rma.uni(yi=alpha, vi=beta, measure="OR",data=dat, mods = ~ ablat + factor(alloc) + year )
res.meta
</pre>

[[Fichier:meta_troismoderators.png]]

==== rma.mv (Random effect Meta-Analysis via Multivariate/Multilevel Linear Models ====
Présente l’avantage d’offrir la possibilité de préciser la structure de la corrélation entre les publications (par exemple issues d’une même étude), via les arguments ''struct'' et ''random''.

'''exemple : données BCG'''
Dans l’exemple, on considère que chaque essai est composée de deux études différentes : une sur la population vaccinée et l’autre sur la population de contrôle. Dans chaque cas, on observe le nombre d’individus atteints ou non par la tuberculose (les variables sont respectivement out1 et out2).

<pre>### bivariate random-effects model using rma.mv()

### change data into long format
dat.long <- to.long(measure="OR", ai=tpos, bi=tneg, ci=cpos, di=cneg, data=dat.bcg)
#chaque étude divisée en deux : vaccinés (group=1) ou non (group=2)
#out1=nb d'individus atteints
#out2=nb non atteints

### calculate log odd-ratios and corresponding sampling variances
dat.long <- escalc(measure="PLO", xi=out1, mi=out2, data=dat.long)
#yi=ln(out1/out2)

### set "2" (controlled/non-vaccinated) to reference level of group variable
dat.long$group <- relevel(dat.long$group, ref=2)
</pre>

De nouveau, on renomme alpha et beta respectivement les effect size normalisés et leur variance.
<pre>
#Alpha=LnOR
#Beta=VarLnOR
dat.long$alpha<-dat.long$yi
dat.long$beta<-dat.long$vi

### bivariate random-effects model using rma.mv()
res <- rma.mv(yi=alpha, vi=beta, mods = ~ group, random = ~ group | study, struct="UN", method="REML", data=dat.long)
res</pre>

avec :
* xi : nombre d’observations de l’évènement observé (ici la tuberculose)
* mi : nombre d’observations de l’évènement complémentaire
ici : yi = ln(out1/out2)
method : de nouveau : fixed or random-effect model, différentes méthodes d’estimation pour tau2.
A noter que la méthode du Restricted Maximum Likehood semble être la plus performante.
* random : permet de spécifier la structure du "random effect" du modèle :
~ inner | outer (un seul possible) : les outcomes avec des niveaux différents de la variable outer sont considérés indépendants tandis que les outcomes avec un niveau identique de la variable outer sont corrélés suivant un "random effect" correspondant au niveaux de la variable inner. 
~ 1 | id. Random effect sur la variable "id" : les outcomes avec des niveaux différents de la variable id sont considérés indépendants, mais pas si le niveau est le même (par exemple si les essais proviennent d'une même étude).
* struct : permet de spécifier la structure de la variance indiquée dans l'argument random ("UN" pour unstructured variance- covariance matrix).
 
''Sortie R :''
[[Fichier:meta.rmamv.png]]

Package R ggplot2

2014-07-16T15:04:54Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

Il peut être intéressant de la combiner avec l'histogramme.

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), geom_vline(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + coord_flip()
plot
</pre>

<pre>
## coord flip : scatter + lm
plot <- ggplot(iris, aes(x=Sepal.Length, y=Species))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

On utilise une échelle logarithmique pour l'axe des ordonnées.
<pre>
## coord_trans
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_trans(ytrans="log10")
plot
</pre>

==== scale ====
L'argument scale permet de contrôler les axes du graphique, par exemple : la transformation, les limites des axes, le pas utilisé, les labels, etc.

===== Changer les labels (axe discret) =====
On peut changer les labels de l'axe des x (discret). On ajoute également un titre à cet axe, ainsi qu'à l'axe des y.
<pre>
# changer labels
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + scale_x_discrete(breaks=c("setosa", "versicolor", "virginica"),labels = c("Espèce A","Espèce B","Espèce C"),name="Code espèce de l'iris")
+ scale_y_continuous(name="Longueur de la Sépale")
plot
</pre>

===== Changer le pas =====
Ici, on change le pas de l'axe des y pour un pas tous les 0.25.
<pre>
# changer le pas
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(breaks=seq(0, 10, 0.25))
plot
</pre>

===== Changer les bornes =====
On change les limites de l'axe des y (limite entre 3 et 4).
<pre>
# changer les limites
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(limits=c(3,4))
plot
</pre>

Attention, pour des graphiques de type scatterplot, cela va simplement exclure du graphique les observations en dehors de l'intervalle. Cependant, pour un graphique de type boxplot, si l'objectif est de "zoomer", le résultat sera alors un boxplot erroné (car portant uniquement sur les observations DE l'intervalle).
<pre>
# changer les limites : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + scale_y_continuous(limits=c(4.5,6.5))
plot
</pre>

Il convient alors d'utiliser coord_cartesian() pour définir les limites de l'axe en "zoomant".
<pre>
#zoom : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + coord_cartesian(ylim=c(4.5,6.5))
plot
</pre>

==== position ====
position permet d'ajuster la position de l'objet géométrique. Comme pour stat, une modalité est associée par défaut à chaque geom. Il n’est donc pas nécessaire de le spécifier, sauf si l’on souhaite utiliser un argument différent de la valeur par défaut.

Les ajustement de position disponibles sont :
* position_identity - default pour la pluspart des geoms.
* position_jitter - default pour geom_jitter
* position_dodge - default pour geom_boxplot
* position_stack - default pour geom_bar, geom_histogram et geom_area
* position_fill - utile pour geom_bar,geom_histogram et geom_area

Par exemple, il peut être intéressant d'adapter la position dans le cas de barplots ou d'histogrammes. 

Par défaut position_stack :
<pre>
### position
plot <- ggplot(iris, aes(Sepal.Length_cat))
plot<- plot + geom_bar(aes(fill=Species))
plot
</pre>

Pour des bâtons de même taille :
<pre>
plot <- ggplot(iris, aes(Sepal.Length_cat))
plot<- plot + geom_bar(aes(fill=Species),position="fill")
plot
</pre>

Pour obtenir des bâtons séparés pour chacune des modalités :
<pre>
plot <- ggplot(iris, aes(Sepal.Length_cat))
plot<- plot + geom_bar(aes(fill=Species),position="dodge")
plot
</pre>

Attention à réfléchir à la position la plus adaptée. Ici par exemple, le nombre d'observation pour l'espèce virginica et la modalité "petit" recouvre celles des deux autres espèces...
<pre>
plot <- ggplot(iris, aes(Sepal.Length_cat))
plot<- plot + geom_bar(aes(fill=Species),position="identity")
plot
</pre>

==== facet ====
Comme précédemment, facet permet de produire des graphiques séparés selon les différents groupes.
<pre>
#Grouping : horizontal
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<- plot + facet_grid(. ~ Species)
plot

#Grouping : graphs verticaux
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<- plot +facet_grid(Species~.)
plot
</pre>

Il est aussi possible de séparer les observations selon deux variables (discrètes).
Par exemple, on crée une nouvelle variable discrète pour illustrer (car la base de données n'en contient qu'une seule). Celle-ci prend la valeur "petit" si la longueur de la Sépale est <=5, "moyen si elle est comprise entre 5 et 6 (6 inclus), et "grand" si elle est >6.

<pre>
## On crée une nouvelle variable facteur :
iris$Sepal.Length_cat[iris$Sepal.Length<=5]<-"petit"
iris$Sepal.Length_cat[iris$Sepal.Length<=6 & iris$Sepal.Length>5]<-"moyen"
iris$Sepal.Length_cat[iris$Sepal.Length>=6]<-"grand"

#Grouping : deux variables
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<- plot + facet_grid(Sepal.Length_cat ~ Species)
plot
<pre>

=== Données par groupes ===
Pour afficher les observations issues de groupes différents (ici d'espèces différentes) de couleurs différentes, et de formes différentes, on utilise :
<pre>
## scatterplot : couleurs et symboles différents pour chaque groupe
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(aes(color = Species,shape = Species))
plot
</pre>

Pour changer manuellement les couleurs :
<pre>
plot<- plot + scale_colour_manual(values = c("red", "orange", "purple"))
plot<-plot + scale_shape_manual(values = c(16, 17, 18))
plot
</pre>

=== Changer le jeu de données ===
Une fois le graphique créé, il est possible de l'appliquer à un jeu de données différent (à condition que les variables correspondent). Par exemple ici, on créee trois bases de données, contenant les mêmes variables. Pour cela, on divise la base initiale selon l’espèce.
On crée un graphique de type scatter plot, affichant une droite de regression linéaire pour le sous-jeu de données setosa. L’utilisation de '''« %+% »''' va permettre de produire le même graphique, pour le sous-jeu de données versicolor.
<pre>
#Data
iris_setosa <- subset(iris, Species == "setosa")
iris_versi <- subset(iris, Species == "versicolor")
iris_virgin <- subset(iris, Species == "virginica")

plot<-ggplot(iris_setosa,aes(Sepal.Length,Sepal.Width))+geom_point(colour="red")
plot

plot %+% iris_versi
</pre>

Ajouter un titre
Modifier le thème

== Enregistrer le graphique ==
Il est possible de sauvegarder un graphique affiché à l'écran grâce à la fonction ggsave (valable pour un graphique créé avec QPLOT ou avec GGPLOT).
<pre>
#sauver le graphique affiché à l'écran
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist

ggsave("plot.pdf", width=4, height=4)
</pre>

Package R ggplot2

2014-07-16T14:30:05Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

Il peut être intéressant de la combiner avec l'histogramme.

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), geom_vline(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + coord_flip()
plot
</pre>

<pre>
## coord flip : scatter + lm
plot <- ggplot(iris, aes(x=Sepal.Length, y=Species))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

On utilise une échelle logarithmique pour l'axe des ordonnées.
<pre>
## coord_trans
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_trans(ytrans="log10")
plot
</pre>

==== scale ====
L'argument scale permet de contrôler les axes du graphique, par exemple : la transformation, les limites des axes, le pas utilisé, les labels, etc.

===== Changer les labels (axe discret) =====
On peut changer les labels de l'axe des x (discret). On ajoute également un titre à cet axe, ainsi qu'à l'axe des y.
<pre>
# changer labels
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + scale_x_discrete(breaks=c("setosa", "versicolor", "virginica"),labels = c("Espèce A","Espèce B","Espèce C"),name="Code espèce de l'iris")
+ scale_y_continuous(name="Longueur de la Sépale")
plot
</pre>

===== Changer le pas =====
Ici, on change le pas de l'axe des y pour un pas tous les 0.25.
<pre>
# changer le pas
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(breaks=seq(0, 10, 0.25))
plot
</pre>

===== Changer les bornes =====
On change les limites de l'axe des y (limite entre 3 et 4).
<pre>
# changer les limites
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(limits=c(3,4))
plot
</pre>

Attention, pour des graphiques de type scatterplot, cela va simplement exclure du graphique les observations en dehors de l'intervalle. Cependant, pour un graphique de type boxplot, si l'objectif est de "zoomer", le résultat sera alors un boxplot erroné (car portant uniquement sur les observations DE l'intervalle).
<pre>
# changer les limites : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + scale_y_continuous(limits=c(4.5,6.5))
plot
</pre>

Il convient alors d'utiliser coord_cartesian() pour définir les limites de l'axe en "zoomant".
<pre>
#zoom : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + coord_cartesian(ylim=c(4.5,6.5))
plot
</pre>

==== position ====
position : pour ajuster la positions du geom. ???
Comme pour stat, une modalité est associée par défaut à chaque geom. Il n’est donc pas nécessaire de le spécifier, sauf si l’on souhaite utiliser un argument différent de la valeur par défaut. Si tel est le cas, on peut aussi le spécifier au sein de l’argument geom : geom_XXX(….,position=position_YYY(width=, height=). 

Il y a deux arguments pour tous les ajustements de position possibles : width et height
Les ajustement de position disponibles sont :
* position_identity - default of most geoms
* position_jitter - default of geom_jitter
* position_dodge - default of geom_boxplot
* position_stack - default of geom_bar==geom_histogram and geom_area
* position_fill - useful for geom_bar==geom_histogram and geom_area

==== facet ====
Comme précédemment, facet permet de produire des graphiques séparés selon les différents groupes.
<pre>
#Grouping : horizontal
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<- plot + facet_grid(. ~ Species)
plot

#Grouping : graphs verticaux
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<- plot +facet_grid(Species~.)
plot
</pre>

Il est aussi possible de séparer les observations selon deux variables (discrètes).
Par exemple, on crée une nouvelle variable discrète pour illustrer (car la base de données n'en contient qu'une seule). Celle-ci prend la valeur "petit" si la longueur de la Sépale est <=5, "moyen si elle est comprise entre 5 et 6 (6 inclus), et "grand" si elle est >6.

<pre>
## On crée une nouvelle variable facteur :
iris$Sepal.Length_cat[iris$Sepal.Length<=5]<-"petit"
iris$Sepal.Length_cat[iris$Sepal.Length<=6 & iris$Sepal.Length>5]<-"moyen"
iris$Sepal.Length_cat[iris$Sepal.Length>=6]<-"grand"

#Grouping : deux variables
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<- plot + facet_grid(Sepal.Length_cat ~ Species)
plot
<pre>

=== Données par groupes ===
Pour afficher les observations issues de groupes différents (ici d'espèces différentes) de couleurs différentes, et de formes différentes, on utilise :
<pre>
## scatterplot : couleurs et symboles différents pour chaque groupe
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(aes(color = Species,shape = Species))
plot
</pre>

Pour changer manuellement les couleurs :
<pre>
plot<- plot + scale_colour_manual(values = c("red", "orange", "purple"))
plot<-plot + scale_shape_manual(values = c(16, 17, 18))
plot
</pre>

=== Changer le jeu de données ===
Une fois le graphique créé, il est possible de l'appliquer à un jeu de données différent (à condition que les variables correspondent). Par exemple ici, on créee trois bases de données, contenant les mêmes variables. Pour cela, on divise la base initiale selon l’espèce.
On crée un graphique de type scatter plot, affichant une droite de regression linéaire pour le sous-jeu de données setosa. L’utilisation de '''« %+% »''' va permettre de produire le même graphique, pour le sous-jeu de données versicolor.
<pre>
#Data
iris_setosa <- subset(iris, Species == "setosa")
iris_versi <- subset(iris, Species == "versicolor")
iris_virgin <- subset(iris, Species == "virginica")

plot<-ggplot(iris_setosa,aes(Sepal.Length,Sepal.Width))+geom_point(colour="red")
plot

plot %+% iris_versi
</pre>

Ajouter un titre
Modifier le thème

== Enregistrer le graphique ==
Il est possible de sauvegarder un graphique affiché à l'écran grâce à la fonction ggsave (valable pour un graphique créé avec QPLOT ou avec GGPLOT).
<pre>
#sauver le graphique affiché à l'écran
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist

ggsave("plot.pdf", width=4, height=4)
</pre>

Package R ggplot2

2014-07-16T14:23:54Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

Il peut être intéressant de la combiner avec l'histogramme.

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), geom_vline(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + coord_flip()
plot
</pre>

<pre>
## coord flip : scatter + lm
plot <- ggplot(iris, aes(x=Sepal.Length, y=Species))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

On utilise une échelle logarithmique pour l'axe des ordonnées.
<pre>
## coord_trans
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_trans(ytrans="log10")
plot
</pre>

==== scale ====
L'argument scale permet de contrôler les axes du graphique, par exemple : la transformation, les limites des axes, le pas utilisé, les labels, etc.

===== Changer les labels (axe discret) =====
On peut changer les labels de l'axe des x (discret). On ajoute également un titre à cet axe, ainsi qu'à l'axe des y.
<pre>
# changer labels
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + scale_x_discrete(breaks=c("setosa", "versicolor", "virginica"),labels = c("Espèce A","Espèce B","Espèce C"),name="Code espèce de l'iris")
+ scale_y_continuous(name="Longueur de la Sépale")
plot
</pre>

===== Changer le pas =====
Ici, on change le pas de l'axe des y pour un pas tous les 0.25.
<pre>
# changer le pas
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(breaks=seq(0, 10, 0.25))
plot
</pre>

===== Changer les bornes =====
On change les limites de l'axe des y (limite entre 3 et 4).
<pre>
# changer les limites
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(limits=c(3,4))
plot
</pre>

Attention, pour des graphiques de type scatterplot, cela va simplement exclure du graphique les observations en dehors de l'intervalle. Cependant, pour un graphique de type boxplot, si l'objectif est de "zoomer", le résultat sera alors un boxplot erroné (car portant uniquement sur les observations DE l'intervalle).
<pre>
# changer les limites : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + scale_y_continuous(limits=c(4.5,6.5))
plot
</pre>

Il convient alors d'utiliser coord_cartesian() pour définir les limites de l'axe en "zoomant".
<pre>
#zoom : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + coord_cartesian(ylim=c(4.5,6.5))
plot
</pre>

==== position ====
position : pour ajuster la positions du geom. ???
Comme pour stat, une modalité est associée par défaut à chaque geom. Il n’est donc pas nécessaire de le spécifier, sauf si l’on souhaite utiliser un argument différent de la valeur par défaut. Si tel est le cas, on peut aussi le spécifier au sein de l’argument geom : geom_XXX(….,position=position_YYY(width=, height=). 

Il y a deux arguments pour tous les ajustements de position possibles : width et height
Les ajustement de position disponibles sont :
* position_identity - default of most geoms
* position_jitter - default of geom_jitter
* position_dodge - default of geom_boxplot
* position_stack - default of geom_bar==geom_histogram and geom_area
* position_fill - useful for geom_bar==geom_histogram and geom_area

=== Données par groupes ===
Pour afficher les observations issues de groupes différents (ici d'espèces différentes) de couleurs différentes, et de formes différentes, on utilise :
<pre>
## scatterplot : couleurs et symboles différents pour chaque groupe
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(aes(color = Species,shape = Species))
plot
</pre>

Pour changer manuellement les couleurs :
<pre>
plot<- plot + scale_colour_manual(values = c("red", "orange", "purple"))
plot<-plot + scale_shape_manual(values = c(16, 17, 18))
plot
</pre>

=== Changer le jeu de données ===
Une fois le graphique créé, il est possible de l'appliquer à un jeu de données différent (à condition que les variables correspondent). Par exemple ici, on créee trois bases de données, contenant les mêmes variables. Pour cela, on divise la base initiale selon l’espèce.
On crée un graphique de type scatter plot, affichant une droite de regression linéaire pour le sous-jeu de données setosa. L’utilisation de '''« %+% »''' va permettre de produire le même graphique, pour le sous-jeu de données versicolor.
<pre>
#Data
iris_setosa <- subset(iris, Species == "setosa")
iris_versi <- subset(iris, Species == "versicolor")
iris_virgin <- subset(iris, Species == "virginica")

plot<-ggplot(iris_setosa,aes(Sepal.Length,Sepal.Width))+geom_point(colour="red")
plot

plot %+% iris_versi
</pre>

Ajouter un titre
Modifier le thème

== Enregistrer le graphique ==
Il est possible de sauvegarder un graphique affiché à l'écran grâce à la fonction ggsave (valable pour un graphique créé avec QPLOT ou avec GGPLOT).
<pre>
#sauver le graphique affiché à l'écran
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist

ggsave("plot.pdf", width=4, height=4)
</pre>

Package R ggplot2

2014-07-16T14:09:28Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

Il peut être intéressant de la combiner avec l'histogramme.

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), geom_vline(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + coord_flip()
plot
</pre>

<pre>
## coord flip : scatter + lm
plot <- ggplot(iris, aes(x=Sepal.Length, y=Species))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

On utilise une échelle logarithmique pour l'axe des ordonnées.
<pre>
## coord_trans
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_trans(ytrans="log10")
plot
</pre>

==== scale ====
L'argument scale permet de contrôler les axes du graphique, par exemple : la transformation, les limites des axes, le pas utilisé, les labels, etc.

===== Changer les labels (axe discret) =====
On peut changer les labels de l'axe des x (discret). On ajoute également un titre à cet axe, ainsi qu'à l'axe des y.
<pre>
# changer labels
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + scale_x_discrete(breaks=c("setosa", "versicolor", "virginica"),labels = c("Espèce A","Espèce B","Espèce C"),name="Code espèce de l'iris")
+ scale_y_continuous(name="Longueur de la Sépale")
plot
</pre>

===== Changer le pas =====
Ici, on change le pas de l'axe des y pour un pas tous les 0.25.
<pre>
# changer le pas
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(breaks=seq(0, 10, 0.25))
plot
</pre>

===== Changer les bornes =====
On change les limites de l'axe des y (limite entre 3 et 4).
<pre>
# changer les limites
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")
plot<-plot + scale_y_continuous(limits=c(3,4))
plot
</pre>

Attention, pour des graphiques de type scatterplot, cela va simplement exclure du graphique les observations en dehors de l'intervalle. Cependant, pour un graphique de type boxplot, si l'objectif est de "zoomer", le résultat sera alors un boxplot erroné (car portant uniquement sur les observations DE l'intervalle).
<pre>
# changer les limites : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + scale_y_continuous(limits=c(4.5,6.5))
plot
</pre>

Il convient alors d'utiliser coord_cartesian() pour définir les limites de l'axe en "zoomant".
<pre>
#zoom : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<-plot + coord_cartesian(ylim=c(4.5,6.5))
plot
</pre>

==== position ====
position : pour ajuster la positions du geom. ???
Comme pour stat, une modalité est associée par défaut à chaque geom. Il n’est donc pas nécessaire de le spécifier, sauf si l’on souhaite utiliser un argument différent de la valeur par défaut. Si tel est le cas, on peut aussi le spécifier au sein de l’argument geom : geom_XXX(….,position=position_YYY(width=, height=). 

Il y a deux arguments pour tous les ajustements de position possibles : width et height
Les ajustement de position disponibles sont :
* position_identity - default of most geoms
* position_jitter - default of geom_jitter
* position_dodge - default of geom_boxplot
* position_stack - default of geom_bar==geom_histogram and geom_area
* position_fill - useful for geom_bar==geom_histogram and geom_area

=== Changer le jeu de données ===
Une fois le graphique créé, il est possible de l'appliquer à un jeu de données différent (à condition que les variables correspondent). Par exemple ici, on créee trois bases de données, contenant les mêmes variables. Pour cela, on divise la base initiale selon l’espèce.
On crée un graphique de type scatter plot, affichant une droite de regression linéaire pour le sous-jeu de données setosa. L’utilisation de '''« %+% »''' va permettre de produire le même graphique, pour le sous-jeu de données versicolor.
<pre>
#Data
iris_setosa <- subset(iris, Species == "setosa")
iris_versi <- subset(iris, Species == "versicolor")
iris_virgin <- subset(iris, Species == "virginica")

plot<-ggplot(iris_setosa,aes(Sepal.Length,Sepal.Width))+geom_point(colour="red")
plot

plot %+% iris_versi
</pre>

Ajouter un titre
Modifier le thème

== Enregistrer le graphique ==
Il est possible de sauvegarder un graphique affiché à l'écran grâce à la fonction ggsave (valable pour un graphique créé avec QPLOT ou avec GGPLOT).
<pre>
#sauver le graphique affiché à l'écran
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist

ggsave("plot.pdf", width=4, height=4)
</pre>

Package R ggplot2

2014-07-16T13:41:27Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

Il peut être intéressant de la combiner avec l'histogramme.

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), geom_vline(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip : boxplot
plot <- ggplot(iris, aes(y=Sepal.Length, x=Species))
plot<- plot + geom_boxplot(fill="#FF9999")
plot<- plot + coord_flip()
plot
</pre>

<pre>
## coord flip : scatter + lm
plot <- ggplot(iris, aes(x=Sepal.Length, y=Species))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

==== scale ====
L'argument scale permet de contrôler les axes du graphique, par exemple : la transformation, les limites des axes, le pas utilisé, les labels, etc.

==== position ====
position : pour ajuster la positions du geom. ???
Comme pour stat, une modalité est associée par défaut à chaque geom. Il n’est donc pas nécessaire de le spécifier, sauf si l’on souhaite utiliser un argument différent de la valeur par défaut. Si tel est le cas, on peut aussi le spécifier au sein de l’argument geom : geom_XXX(….,position=position_YYY(width=, height=). 

Il y a deux arguments pour tous les ajustements de position possibles : width et height
Les ajustement de position disponibles sont :
* position_identity - default of most geoms
* position_jitter - default of geom_jitter
* position_dodge - default of geom_boxplot
* position_stack - default of geom_bar==geom_histogram and geom_area
* position_fill - useful for geom_bar==geom_histogram and geom_area

=== Changer le jeu de données ===
Une fois le graphique créé, il est possible de l'appliquer à un jeu de données différent (à condition que les variables correspondent). Par exemple ici, on créee trois bases de données, contenant les mêmes variables. Pour cela, on divise la base initiale selon l’espèce.
On crée un graphique de type scatter plot, affichant une droite de regression linéaire pour le sous-jeu de données setosa. L’utilisation de '''« %+% »''' va permettre de produire le même graphique, pour le sous-jeu de données versicolor.
<pre>
#Data
iris_setosa <- subset(iris, Species == "setosa")
iris_versi <- subset(iris, Species == "versicolor")
iris_virgin <- subset(iris, Species == "virginica")

plot<-ggplot(iris_setosa,aes(Sepal.Length,Sepal.Width))+geom_point(colour="red")
plot

plot %+% iris_versi
</pre>

Ajouter un titre
Modifier le thème

== Enregistrer le graphique ==
Il est possible de sauvegarder un graphique affiché à l'écran grâce à la fonction ggsave (valable pour un graphique créé avec QPLOT ou avec GGPLOT).
<pre>
#sauver le graphique affiché à l'écran
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist

ggsave("plot.pdf", width=4, height=4)
</pre>

Package R ggplot2

2014-07-16T12:30:07Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

==== scale ====

==== position ====
position : pour ajuster la positions du geom. ???
Comme pour stat, une modalité est associée par défaut à chaque geom. Il n’est donc pas nécessaire de le spécifier, sauf si l’on souhaite utiliser un argument différent de la valeur par défaut. Si tel est le cas, on peut aussi le spécifier au sein de l’argument geom : geom_XXX(….,position=position_YYY(width=, height=). 

Il y a deux arguments pour tous les ajustements de position possibles : width et height
Les ajustement de position disponibles sont :
* position_identity - default of most geoms
* position_jitter - default of geom_jitter
* position_dodge - default of geom_boxplot
* position_stack - default of geom_bar==geom_histogram and geom_area
* position_fill - useful for geom_bar==geom_histogram and geom_area

=== Changer le jeu de données ===
Une fois le graphique créé, il est possible de l'appliquer à un jeu de données différent (à condition que les variables correspondent). Par exemple ici, on créee trois bases de données, contenant les mêmes variables. Pour cela, on divise la base initiale selon l’espèce.
On crée un graphique de type scatter plot, affichant une droite de regression linéaire pour le sous-jeu de données setosa. L’utilisation de '''« %+% »''' va permettre de produire le même graphique, pour le sous-jeu de données versicolor.
<pre>
#Data
iris_setosa <- subset(iris, Species == "setosa")
iris_versi <- subset(iris, Species == "versicolor")
iris_virgin <- subset(iris, Species == "virginica")

plot<-ggplot(iris_setosa,aes(Sepal.Length,Sepal.Width))+geom_point(colour="red")
plot

plot %+% iris_versi
</pre>

Ajouter un titre
Modifier le thème

== Enregistrer le graphique ==
Il est possible de sauvegarder un graphique affiché à l'écran grâce à la fonction ggsave (valable pour un graphique créé avec QPLOT ou avec GGPLOT).
<pre>
#sauver le graphique affiché à l'écran
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist

ggsave("plot.pdf", width=4, height=4)
</pre>

Package R ggplot2

2014-07-16T12:09:46Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

==== scale ====

==== position ====
position : pour ajuster la positions du geom. ???
Comme pour stat, une modalité est associée par défaut à chaque geom. Il n’est donc pas nécessaire de le spécifier, sauf si l’on souhaite utiliser un argument différent de la valeur par défaut. Si tel est le cas, on peut aussi le spécifier au sein de l’argument geom : geom_XXX(….,position=position_YYY(width=, height=). 

Il y a deux arguments pour tous les ajustements de position possibles : width et height
Les ajustement de position disponibles sont :
* position_identity - default of most geoms
* position_jitter - default of geom_jitter
* position_dodge - default of geom_boxplot
* position_stack - default of geom_bar==geom_histogram and geom_area
* position_fill - useful for geom_bar==geom_histogram and geom_area

=== Changer le jeu de données ===
Une fois le graphique créé, il est possible de l'appliquer à un jeu de données différent (à condition que les variables correspondent). Par exemple ici, on créee trois bases de données, contenant les mêmes variables. Pour cela, on divise la base initiale selon l’espèce.
On crée un graphique de type scatter plot, affichant une droite de regression linéaire pour le sous-jeu de données setosa. L’utilisation de '''« %+% »''' va permettre de produire le même graphique, pour le sous-jeu de données versicolor.
<pre>
#Data
iris_setosa <- subset(iris, Species == "setosa")
iris_versi <- subset(iris, Species == "versicolor")
iris_virgin <- subset(iris, Species == "virginica")

plot<-ggplot(iris_setosa,aes(Sepal.Length,Sepal.Width))+geom_point(colour="red")
plot

plot %+% iris_versi
</pre>

Package R ggplot2

2014-07-16T12:04:27Z

Ccahuzac :

Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions :
* QPLOT (pour "Quick Plot") qui est la fonction "de base" du package (mais qui offre de grandes possibilités). Syntaxe générale : qplot(x,y,data=database)
* GGPLOT va permettre de créer des graphiques extrêmement perfectionnés. Sa syntaxe diffère de la syntaxe habituelle : ggplot(data=data,aes=(x,y)) +layers. La fonction ggplot (argument data et aes pour "aesthetic mapping") va permettre de créer le graphique en lui même, et les layers vont permettre d'ajouter des paramètres modifiant la représentation.

<pre>
##### On installe le package
install.packages("ggplot2")
</pre>

Une fois installé, il suffit de charger le package, avant de vouloir l'utiliser.
<pre>
### On charge le package
library(ggplot2)
</pre>

== Jeu de données : ==
Pour illustrer, on utilise le jeu de données « iris » de R, qui contient 150 observations de 5 variables : 4 variables de type quantitatif, et une de type qualitatif (Species).
* Sepal.Length : longueur de la sépale
* Sepal.Width : largeur de la sépale Petal.Length : longueur du pétale
* Petal.Width : largeur du pétale
* Species : espèce.

<pre>
### On charge les données
data(iris)
</pre>

La fonction head(dataset) permet d’avoir un aperçu des premières lignes du jeu de données :
<pre>
head(iris)
</pre>

[[Fichier:Headiris.png]]

Attention ! pour utiliser ggplot2, les données doivent être sous la forme « data.frame », ce qui peut être vérifié par : class(dataset), et corrigé si besoin avec as.data.frame(dataset)

<pre>
class(iris)
as.data.frame(iris)
</pre>

== QPLOT ==

La syntaxe ressemble effectivement à celle de la fonction plot() (package "de base" de R).

''qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,NA), ylim = c(NA, NA), log = "", main = NULL, xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)''

=== Objet géométrique ===

L’argument geom() (pour objet géométrique) va permettre de réaliser différents graphiques à une ou deux dimensions.
Par défaut :
{| class="wikitable" border="1"
|-
! Type de la variable
! Objet par défaut
|-
| Quantitative
| geom ="histogram"
|-
| Qualitative
| geom="bar"
|-
| Deux variables quantitatives
| geom="point" (scatterplot)
|}

De nombreux graphiques sont possibles (voir geom dans la documentation du package ggplot2, ou en page 56). Parmi les plus utilisés :

'''Pour une variable à analyser :'''
* histogram : histogramme (variable quantitative continue)
* density : trace la courbe de densité (variable quantitative continue)
* freqpoly : polynôme de fréquence (variable quantitative continue)
* bar : diagramme en bâton (variable discrète)

'''Pour deux variables :'''
* point : scatterplot (deux variables continues)
* smooth : trace une courbe de tendance et son écart-type (deux variables continues)
* boxplot : boxplot (une variable quantitative continue, une variable discrète)

'''Séries temporelles'''
* line : trace des lignes entre les points (de la gauche vers la droite)
* path : trace des lignes entre les points (dans n’importe quelle direction)

A noter également que les objets géométriques peuvent être combinés (à partir du moment où cela est raisonnable sur le plan statistique).

=== Une dimension ===

==== Variable quantitative, continue. ====

===== Histogramme =====
C'est le graphique tracé par défaut lorsque la variable indiquée est de type quantitatif (continu).

<pre>
qplot(Sepal.Length,data=iris,geom="histogram") #par défaut
</pre>

[[Fichier:histo_base_qplot.png]]

On peut l'améliorer : changer la couleur de remplissage (argument '''fill''') et/ou la couleur de la bordure (argument '''colour''') :
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange")) ## couleur de remplissage en orange
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),colour=I("black")) ## et bordure en noir
</pre>

[[Fichier:histo_orange_qplot.png]]

[[Fichier:histo_orange_black_qplot.png]]

De plus, QQPLOT permet d’adapter la largeur des classes utilisées pour tracer l’histogramme, et donc d’avoir un degré de précision plus ou moins élevé, grâce à l’argument binwidth.
<pre>
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("orange"),binwidth=1) ## larges classes
qplot(Sepal.Length,data=iris,geom="histogram",binwidth=0.05) ## classes ressérées
</pre>

[[Fichier:histo_large_qplot.png]]
[[Fichier:histo_serre_qplot.png]]

===== Courbe de densité =====
<pre>
qplot(Sepal.Length,data=iris,geom="density",colour=I("red"))
</pre>

[[Fichier:courbe_densité_qplot.png]]

===== Polynôme de fréquence =====
<pre>
qplot(Sepal.Length,data=iris,geom="freqpoly",colour=I("blue"))
</pre>

[[Fichier:polyfreq_qplot.png]]

===== Variable discrète =====

Le graphique produit par défaut est un diagramme en bâton (à ne pas confondre avec un histogramme !!! voir [[Statistiques descriptives avec R]])
<pre>
qplot(Species,data=iris,geom="bar",fill=I("yellow")) #par défaut
</pre>

[[Fichier:barplot_qplot.png]]

=== Deux dimensions ===

==== Deux variables continues ====

===== Scatterplot =====

Le graphique produit par défaut par la fonction est un nuage de points classique.
<pre>
#Deux variables continues
qplot(Sepal.Length,Sepal.Width, data=iris, geom="point") #par défaut
</pre>

[[Fichier:scatt_base_qplot.png]]

Les arguments de la fonction peuvent être modifiés, par exemple pour produire un graphique avec des points bleu (et non noirs)....
<pre>
## changer la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour = I("blue"))
</pre>

[[Fichier:scatt_bleu_qplot.png]]

... ou pour produire un graphique avec des « + » à la place des points.
<pre>
## changer le symbole
qplot(Sepal.Length,Sepal.Width, data=iris,shape=I(3))
</pre>

[[Fichier:scatt_plus_qplot.png]]

Il est aussi possible de modifier la taille des points sur le graphique, à l’aide de l’argument size par exemple pour affiner les points ou les grossir(par défaut, size=I(2)).
<pre>
## taille
qplot(Sepal.Length,Sepal.Width, data=iris,size=I(3))
</pre>

[[Fichier:scatt_taille_qplot.png]]

Enfin, l’argument alpha est utile en cas de nombre conséquent d’observations qui vont se superposer sur le graphique (ce qui n’est pas le cas ici). En ajustant la transparence, il permet d’améliorer la lisibilité du graphique. Par défaut alpha=I(1), et l’utilisateur peut fixer alpha=I(1/x), avec x le nombre nécessaire d’observations qui se superposent pour obtenir une couleur opaque.
<pre>
## transparence
qplot(Sepal.Length,Sepal.Width, data=iris,alpha=I(1/10))
</pre>

[[Fichier:scatt_transparence_qplot.png]]

===== Courbe de tendance =====
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth")
</pre>

[[Fichier:courbe_tendance_qplot.png]]

à noter que la méthode pour tracer la courbe de tendance peut être changée par l’utilisateur grâce à l’argument «method= (par défaut, method=« loess » pour un nombre d’observations faible). Par exemple, method=« lm » permet de tracer une droite de regression linéaire.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom="smooth",method="lm") # lm
</pre>

[[Fichier:courbelm_qplot.png]]

Il peut être utile de combiner l'objet géométrique courbe de tendance avec un nuage de points :
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),method="lm") #combiné
</pre>

[[Fichier:scatt_lm_qplot.png]]

Le tracé peut être plus ou moins sinueux grâce à l’argument span, allant de 0 à 1.
<pre>
##sinuosité
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=0.2)
qplot(Sepal.Length,Sepal.Width, data=iris, geom=c("point","smooth"),span=1)
</pre>

[[Fichier:scatt_lm_span1_qplot.png]]
[[Fichier:scatt_lm_span2_qplot.png]]

==== Une variable continue, une discrète ====
Il n'est pas rare de vouloir représenter la distribution une variable continue, selon différentes sous-populations définies par une variable discrète. Pour cela on peut utiliser un boxplot. (voir [[Statistiques descriptives avec R]]). QPLOT va également permettre des représentations plus perfectionnées des graphiques présentés précédemment, en tenant compte de ces différentes sous-populations.

===== Boxplot =====
<pre>
#Une continue, une discrete
qplot(Species,Sepal.Length, data=iris, geom="boxplot",fill=I("purple"))
</pre>

[[Fichier:boxplot_qplot.png]]

===== Sous-populations : sur un même graphique =====

On peut présenter les observations issues de différentes sous-populations définies par les niveaux de la variable facteur group, soit d’une couleur différente (contour ou remplissage), soit d’un symbole différent.
Rappel :
* argument colour = bordure
* argument fill = remplissage
* argument shape = symbole

Par exemple l’argument colour=group permet de présenter d'une couleur différente sur le nuage de points, les observations issues de différentes sous-populations, définies par les niveaux de la variable facteur group.
<pre>
## ajoute de la couleur
qplot(Sepal.Length,Sepal.Width, data=iris,colour=Species)
</pre>

[[Fichier:scatt_Species_qplot.png]]

On peut faire de même sur un graphique de type scatterplot grâce à l’argument shape=group, avec cette fois des symboles différents, selon le niveau de la variable group.
<pre>
qplot(Sepal.Length,Sepal.Width, data=iris,geom="point",shape=Species) #symboles
</pre>

[[Fichier:scatt_Species_symbole_qplot.png]]

C’est aussi réalisable sur des courbes de densité (argument colour).
<pre>
# densité
qplot(Sepal.Length, data=iris,geom="density",colour=Species)
</pre>

[[Fichier:densité_Species_qplot.png]]

Pour un histogramme, l’agument à utiliser est fill=group pour modifier le remplissage.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=Species)
</pre>

[[Fichier:Histo_Species_qplot.png]]

Attention à ne pas confondre fill=I("red") (utilisé pour paramétrer le remplissage en rouge, valable aussi pour l'argument colour..) et fill=group (utilisé pour changer la couleur selon les sous-populations définies pas la variable group). Déclarer fill="red" et non fill=I("red") aurait pour conséquence de créer une nouvelle variable "red", et de représenter les observations de couleurs différentes selon les modalités prises par cette variable (soit une seule). R ne produira pas de message d'erreur, mais le graphique sera obtenu de manière erronée.
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill="red")
</pre>

[[Fichier:Histo_faux_qplot.png]]

Le graphique correct serait :
<pre>
#histogramme
qplot(Sepal.Length,data=iris,geom="histogram",fill=I("red"))
</pre>

[[Fichier:Histo_faux_correct_qplot.png]]

===== Sous-populations : différents graphiques =====

QPLOT offre aussi la possibilité de créer plusieurs graphiques juxtaposés, correspondant à un même graphique pour chacune des différentes sous-populations définies par une variable group. On utilise l’argument facets=. 

facets= . ~ group va présenter les graphiques cote à cote (horizontalement), tandis que facets= group ~ . les superposera (verticalement).

Par exemple ici, l’histogramme pour la variable Sepal.Length, pour chaque espèce. On constate qu’il est préférable de les présenter verticalement, sinon les histogrammes sont écrasés et peu lisibles.
<pre>
qplot(Sepal.Length,data=iris,facets = Species ~ .,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre vertical
</pre>

[[Fichier:facet_vertical_qplot.png]]

<pre>
qplot(Sepal.Length,data=iris,facets = . ~ Species,geom="histogram",binwidth=0.1,fill=I("orange")) #ordre horizontal
</pre>

[[Fichier:facet_horizontal_qplot.png]]

==== Données en séries temporelles ====

Line et path sont utilisés dans le cas de séries temporelles. On rappelle que la différence entre les deux provient du fait que path relie les points dans n’importe quelle direction (pourvu qu’il apparaissent en suivant dans la base de données), tandis que line relie les points de gauche à droite.

Ainsi, on utilisera line, par exemple pour tracer l’évolution d’un phénomène en fonction de la date, tandis que l’on utilisera path pour relier les différents points selon l’ordre chronologique, dans un graphique à deux dimensions (dont aucune n’est temporelle).

Pour illustrer, étant donné que les données "iris" sont en coupe transversale, on utilise le jeu de données « longley » qui contient des données macro-économiques annuelles (16 observations, entre 1947 et 1962).
<pre>
data(longley) #on charge le jeu de données
head(longley)
</pre>

[[Fichier:head_longley.png]]

==== Geom line ====
Par exemple, on peut utiliser l’argument line pour tracer l’évolution temporelle du taux de chômage.
<pre>
#evolution temporelle du nombre de personnes au chômage.
qplot(Year,Unemployed/Population, data=longley, geom="line",colour=I("red"))
</pre>

[[Fichier:line_qplot.png]]

==== Geom path ====
On trace ensuite par exemple le nombre de personnes au chômage en fonction du taux de chômage. L’argument path va permettre de relier les points pour visualiser la variation d’année en année.
<pre>
#Nombre de personnes au chômage en fonction du taux de chômage
qplot(Unemployed/Population,Unemployed, data=longley, geom="path")
</pre>

[[Fichier:path_qplot.png]]

Ici, même sans ajouter la couleur le graphique est clair (il y a peu d’observations, et les tracés ne se superposent pas). Mais dans d'autres cas, l'ajout de ce dégradé de couleur selon l'année permet de rendre le graphique beaucoup plus lisible. (Trois dimensions).
<pre>
#Ajoute la couleur pour l'année
qplot(Unemployed/Population,Unemployed, data=longley, geom="path",colour=Year)
</pre>

[[Fichier:path_color_qplot.png]]

== GGPLOT ==

ggplot est la seconde fonction du package ggplot2, et va permettre de produire des graphiques plus complexes et élaborés.
De plus, alors que la fonction qplot était relativement similaire dans sa syntaxe des fonctions traditionnelles permettant de tracer des graphiques sous R, la syntaxe utilisée par ggplot est totalement différente.

En effet, la fonction en elle-même n’a que deux arguments :
* data : les données (sous la forme data.frame)
* une fonction aes (pour "aesthetic mapping"), qui va contenir les variables et les paramètres utilisés pour l’esthétique du graphique.

ggplot fonctionne par l’ajout de calques (« layers »). 

Ainsi, la commande suivante ne permet pas de tracer un graph, et nécessite pour cela d’ajouter au minimum un calque minimal.
<pre>
ggplot(data=iris,aes(Sepal.Length,Sepal.Width)) #no layers in plot
</pre>
Par exemple, si l’on souhaite tracer un nuage ce points, on ajoute le layer geom=« point » sous la forme suivante : ''ggplot(data=data,aes(x,y,….)) + layer(geom=« point »,……)''. C'est pourquoi, il est intéressant de "stocker" le graphique dans un objet R, et de le modifier par l'ajout successif de layers, comme ci-dessous.
<pre>
# Ajoute un layer minimal
plot<-ggplot(data=iris,aes(Sepal.Length,Sepal.Width))
plot+layer(geom="point")
</pre>

=== Layer ===
Layer peut prendre différents arguments (le principal étant geom), par exemple :
* '''geom''' permet de spécifier le type de graphique souhaité (de manière similaire à l’usage dans la fonction qplot)
* '''geom_params''' va contenir tous les paramètres associés, permettant de personnaliser le graphique.
* '''stat''' consiste en une transformation statistique des données. De nouvelles variables vont être créées, qui résument les variables d’une certaine manière. Lorsque geom est utilisé, cette transformation va être automatiquement réalisée (selon le type de graphique souhaité). Elle peut éventuellement être l’identité.
Par exemple, la transformation associée par défaut à l’histogramme est « bin », et va créer trois nouvelles variables : count (le nombre d’observation dans chaque classe), density (le pourcentage divisé par la largeur de la classe), et x (le centre de la classe).
* '''stat_params''' contient les paramètres associés à cette transformation. Par exemple lorsque que l’on souhaite spécifier la largeur des classes utilisées pour l’histogramme, il va s’agir d’un paramètre stat, et non geom. 

Ainsi, la commande ci-dessous va permettre de tracer un histogramme pour la longueur de la sépale, de couleur orange, avec une longueur de classe de 0.3.
<pre>
#Histogramme
ggplot(data=iris,aes(x=Sepal.Length)) + layer(geom="histogram",
geom_params=list(fill="orange"),
stat="bin",
stat_params=list(binwidth=2))
</pre>
Cependant, cette syntaxe est relativement lourde, et peut être considérablement allégée.

Tout d’abord, l’argument layer(geom="histogram",geom_params=list(fill="orange") peut être remplacé par l’argument geom_histogram(fill=« orange »). De plus, en tenant compte du fait que chaque type de graphique (geom) est lié à une transformation statistique (stats), on peut finalement simplifier l’argument layer en : geom_histogram(fill="orange",binwidth=0.3)
<pre>
Ainsi, la commande suivante produit le même graphique.
#simplification
hist<-ggplot(data=iris,aes(x=Sepal.Length))
hist <- hist + geom_histogram(fill="orange",binwidth=0.3)
hist
</pre>
NB : il est parfois nécessaire de demander à imprimer le graphique à l’écran. 

On va raisonner de cette façon pour la suite. Ainsi les principaux layers pouvant être ajoutés vont être les suivants :
* geom_XXX() (par example : geom_point(), geom_histogram(), etc.) : correspondant au type de graphique à créer
* stat_XXX() (par exemple : stat_bin(), stat_smooth(), etc.) : correspondant à la transformation statistique à utiliser
* scale_XXX() (par exemple : scale_x_continuous(), : contrôlant l’échelle utilisée pour les axes.  
* coord_XXX() : permettant de contrôler le système de coordonnées utilisé.
* facet_XXX() : permettant de faire des graphiques pour des sous-groupes
* position_XXX() :

==== coord ====
coord() (système de coordonnées à utiliser) et scale() (échelles des axes) déterminent la position de l’argument géométrique geom.

Par défaut : coord_cartesian (coordonnées cartésiennes « classiques », x est représenté sur l’axe des abscisses (de gauche à droite), et y sur celui des ordonnées (de bas en haut)
* coord_flip : inverse l’axe des x et des y
* coord_equal : même échelle pour l’axe des x et celui des y (cartésiens)
* coord_polar : coordonnées polaires :
* préciser la variable qui représente theta (l’angle)
* coord_trans : permet de transformer « manuellement » les axes (nécessite de préciser la transformation voulue)
* coord_map : 

Par exemple, on inverse l'axe des x et celui des y :
<pre>
## coord flip
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red") +geom_smooth(method="lm")
plot<- plot + coord_flip()
plot
</pre>

On utilise des coordonnées polaires, et non plus cartésiennes.
<pre>
## coord_polar
plot <- ggplot(iris, aes(Sepal.Length, Sepal.Width))
plot<- plot + geom_point(colour="red")+geom_smooth(method="lm")
plot<- plot + coord_polar()
plot
</pre>

Package R ggplot2

2014-07-16T11:57:24Z

Ccahuzac :

Package R ggplot2

2014-07-16T11:56:25Z

Ccahuzac :

Package R ggplot2

2014-07-16T11:53:29Z

Ccahuzac :

Package R ggplot2

2014-07-16T11:29:31Z

Ccahuzac :

Fichier:Path color qplot.png

2014-07-16T11:22:55Z

Ccahuzac :

Fichier:Path qplot.png

2014-07-16T11:22:44Z

Ccahuzac :

Fichier:Line qplot.png

2014-07-16T11:22:35Z

Ccahuzac :

Fichier:Head longley.png

2014-07-16T11:22:04Z

Ccahuzac :

Fichier:Facet horizontal qplot.png

2014-07-16T11:21:07Z

Ccahuzac :

Fichier:Facet vertical qplot.png

2014-07-16T11:20:59Z

Ccahuzac :

Fichier:Histo faux correct qplot.png

2014-07-16T11:20:31Z

Ccahuzac :

Fichier:Histo faux qplot.png

2014-07-16T11:20:24Z

Ccahuzac :

Fichier:Histo Species qplot.png

2014-07-16T11:20:15Z

Ccahuzac :

Fichier:Densité Species qplot.png

2014-07-16T11:20:05Z

Ccahuzac :

Fichier:Scatt Species symbole qplot.png

2014-07-16T11:19:53Z

Ccahuzac :

Fichier:Scatt Species qplot.png

2014-07-16T11:19:43Z

Ccahuzac :

Fichier:Boxplot qplot.png

2014-07-16T11:19:32Z

Ccahuzac :

Fichier:Scatt lm span2 qplot.png

2014-07-16T11:18:41Z

Ccahuzac :

Fichier:Scatt lm span1 qplot.png

2014-07-16T11:18:36Z

Ccahuzac :

Fichier:Scatt lm qplot.png

2014-07-16T11:18:28Z

Ccahuzac :

Fichier:Courbelm qplot.png

2014-07-16T11:18:20Z

Ccahuzac :

Fichier:Courbe tendance qplot.png

2014-07-16T11:18:02Z

Ccahuzac :

Fichier:Scatt transparence qplot.png

2014-07-16T11:17:37Z

Ccahuzac :

Fichier:Scatt taille qplot.png

2014-07-16T11:17:30Z

Ccahuzac :

Fichier:Scatt plus qplot.png

2014-07-16T11:16:33Z

Ccahuzac :

Fichier:Scatt bleu qplot.png

2014-07-16T11:16:23Z

Ccahuzac :

Fichier:Scatt base qplot.png

2014-07-16T11:16:11Z

Ccahuzac :

Fichier:Barplot qplot.png

2014-07-16T11:15:57Z

Ccahuzac :

Fichier:Polyfreq qplot.png

2014-07-16T11:15:48Z

Ccahuzac :

Fichier:Courbe densité qplot.png

2014-07-16T11:15:14Z

Ccahuzac :

Fichier:Histo serre qplot.png

2014-07-16T11:15:01Z

Ccahuzac :

Fichier:Histo large qplot.png

2014-07-16T11:14:51Z

Ccahuzac :

Fichier:Histo orange black qplot.png

2014-07-16T11:14:38Z

Ccahuzac :

Fichier:Histo orange qplot.png

2014-07-16T11:14:28Z

Ccahuzac :

Fichier:Histo base qplot.png

2014-07-16T11:14:16Z

Ccahuzac :

Package R ggplot2

2014-07-16T11:13:06Z

Ccahuzac :

Package R ggplot2

2014-07-16T10:51:30Z

Ccahuzac :

Package R ggplot2

2014-07-16T10:38:37Z

Ccahuzac :

Package R ggplot2

2014-07-16T10:12:07Z

Ccahuzac :

Package R ggplot2

2014-07-16T09:54:29Z

Ccahuzac :

Package R ggplot2

2014-07-16T09:32:36Z

Ccahuzac : Page créée avec « Ggplot2 est un package de R qui permet de réaliser des graphiques plus perfectionnés, et au design plus moderne. Pour cela, il existe deux fonctions : * QPLOT (pour "Qu... »