Représentations graphiques avec ggplot2

Auteur·rice·s

Justin Dansou

Hugues Pecout

Date de publication

27 juillet 2023

Objectifs pédagogiques

L’objectif général de ce module est d’initier les participants à l’extension de visualisation de données avec ggplot2, package de la famille de tidyverse.

Plus spécifiquement, à la fin de ce module, les participants devraient être capables de:

  • d’installer et de charger la librairie ggplot2,

  • décrire les principales fonctions de la librairie de tidyverse dédiée à la visualisation de données (ggplot2),

  • manipuler les principales fonctions graphiques de ggplot2 dédiées à la visualisation de données.

Introduction

ggplot2 fait partie de la suite d’extension de tidyverse ayant une même philosophie de base permettant entre autres, l’importation et l’exportation des données, la manipulation des tableaux de données, la manipulation des colonnes de data.frame (variable), le web scrapping, la programmation. Dans ce module est consacré aux principales fonctions graphiques de ggplot2 permettant la visualisation des données. Le principe de base de ggplot2 est que les données de base de la visualisation sont stockées sous forme de tableau de données ou data.frame, tibble etc.

Installation et chargement de ggplot2

Les lignes de codes suivantes permettent de faire l’installation et le chargement de tidyverse.

# Installation du package 
install.packages("tidyverse")

# Chargement de la librairie 
library(ggplot2)

La liste complète des extensions de tidyverse se trouve sur le site officiel du tidyverse ici.

Note: Ceci étant, au lieu d’installer la collection de packages (tidyverse), il est aussi possible d’installer directement ggplot2. Exemple :

# Installation du package ggplot2
install.packages("ggplot2")

Puis charger la librairie pour pouvoir utiliser ses fonctions :

# Chargement de la librairie
library(ggplot2)

Principes de ggplot2

Base de la syntaxes de ggplot2

La syntaxe de ggplot2 est spécifique et diffère totalement de celle des graphiques de base de R. Elle est de type “Grammar of Graphics” et est généralement structurée comme un ensemble indépendant de commandes. Ce module n’est qu’une introduction à quelques fonctions usuelles d’application de ggplot2. Pour plus d’information, le lecteur est invité à consulter les nombreuses ressources disponibles (en général gratuitement) en ligne sur l’extension.

Le principe de base de la représentation graphique de ggplot2 consiste à segmenter les instructions. En général, il nécessite de spécifier :

  • le jeux de données contenant l’information à visualiser,

  • l’information (variable ou ensemble de variables) que l’on souhaite visualiser. Elle est généralement indiquée au niveau de la fonction aes(),

  • le type de visualisation (représentation graphique) souhaité: camembert, histogramme, etc. Il est aussi spécifié par une fonction.

Grammaire graphique

La grammaire de la syntaxe de ggplot2 se présente ainsi qui suit:

  • Data (ggplot): pour spécifier le jeu de données contenant l’information à visualiser. Le jeu de données est généralement un data frame, un tibble ou tableau de données renseigné dans la fonction ggplot(),

  • Aesthetics (aes): pour spécifier l’information / variable.s à représenter/visualiser. La ou les variables à visualiser est/sont indiquées dans la fonction aes(). Elle prend en argument d’autres paramètre de contrôler avancé du rendu de la représentation graphique. Il s’agit de color, size, fill en général utilisé lorsqu’une couleur ou une taille est définie par une variable,

  • Geometrics (geom_…) pour spécifier le type de représentation graphique souhaité (cf. plus bas pour la description des fonctions usuelles des types de représentation graphiques),

  • Statistics (stat_…): pour spécifier les éventuelles transformations des données pour la représentation en vue,

  • Scales (scale_…): permet de contrôler le lien entre les données et les aesthetics (modification de couleurs, gestion des axes, etc.)

Geometrics et aesthetics

Le tableau ci-dessous décrit quelques types de représentation géométrique et les types d’informations requises.

Exemples de geom et aesthetics associés
# Geom Description Aesthetics
1 geom_point() Nuage de points x, y, shape, fill
2 geom_line() Ligne (ordonnées selon x) x, y, linetype
3 geom_abline() Droite slope, intercept
4 geom_path() Ligne (ordre original) x, y, lignetype
5 geom_text() Texte x, y, label, hjust, vjust
6 geom_rect() Rectangle xmin, xmax, ymin, ymax, fill, linetype
7 geom_polygon() Polygone x, y, fill, linetype
8 geom_segment() Segment x, y, fill, linetype
9 geom_bar() Diagramme en barres x, fill, linetype, weight
10 geom_histogram() Histogramme x, fill, linetype, weight
11 geom_boxplot() Boîte à moustaches x, y, fill, weight
12 geom_density() Densité x, y, fill, linetype
13 geom_contour() Line de contour x, y, fill, linetype
14 geom_smooth() Lissage x, y, fill, linetype

Statistics

Les données brutes provenant des tableaux de données ou data frames nécessitent souvent de transformations préalables avant la visualisation. Ainsi, les statistiques permettent de gérer les transformations ou calculs intermédiaires dans le processus de visualisation. Les fonctions assurant ces transformations intermédiaires sont en géneral renseignés dans l’argument stat des fonctions geom_… Par exemple pour représenter un histogramme (geom_histgram), la valeur par défaut permettant le calculer des principaux indicateurs est stat=“bin”:

  • count : nombre de points dans chaque classe,

  • density : densité pour chaque class,

  • ncount :similaire à count mais ici la valeur maximale est équivalent 1.

  • ndensity : similaire à density mais la valeur maximale ici est de 1.

Le tableau ci-dessous présente quelques statistics prise en charge dans ggplot.

Exemples de statistics
# Stat Description Paramètres
1 stat_identity() Aucune transformation
2 stat_bin() Comptage bineidth, origin
3 stat_density() Densité adjust, kernel
4 stat_smooth() Lissage method, se
5 stat_boxplot() Boxplot coef

Faceting

Le faceting permet de faire une représentation graphique selon les modalités d’une ou de plusieurs variable.s qualitative.s. Ainsi, on distingue les variantes facet_wrap() et facet_grid(). facet_wrap() prend en argument un paramètre de la forme vars(variable) ou variable est le nom de la variable de catégorisation des différents graphiques.

Scales

Les scales permettent de modifier la manière dont un attribut graphique va être relié aux valeurs d’une variable.

Thèmes

Les thèmes permettent de contrôler l’aperçu de touts les éléments du graphique qui ne sont pas reliés aux données: titre, grilles, fonds, etc.

Certains thèmes prédéfinis existent. C’est le cas de theme_bw(), theme_minimal()

Quelques exemples

# Import de la base de données DEV_AFRICA_2018
library(readxl)
DevAfrica2018 <- read_excel("data/DEV_AFRICA_2018/afrika_don.xls")

# Chargement de la librairie ggplot2
library(ggplot2)

Représentation graphique (diagramme en barre) du nombre de pays (effectif de pays) par sous-région.

ggplot(DevAfrica2018) + 
  geom_bar(aes(x=SUBREG))

Représentation graphique (boite à moustache) de l’espérance à la naissance par sous-région.

ggplot(DevAfrica2018) + geom_boxplot(aes(x=SUBREG, y = ESPVIE))

On peut personnaliser le graphique avec différents arguments supplémentaires comme fill et color.

ggplot(DevAfrica2018) + 
  geom_boxplot(aes(x=SUBREG, y = ESPVIE),
               fill= "wheat", color = "tomato4")

Un autre argument utile, varwidth, permet de faire varier la largeur des boîtes en fonction des effectifs de la classe (donc, ici, en fonction du nombre de pays par sous-région) :

ggplot(DevAfrica2018) + 
  geom_boxplot(aes(x=SUBREG, y = ESPVIE),
               fill= "wheat", color = "tomato4", varwidth = TRUE)

Si on préfère avoir un graphique en barres horizontales, il suffit de passer la variable comme attribut y plutôt que x.

Pour modifier manuellement les différents éléments, les fonctions ggtitle, xlab et ylab permettent d’ajouter ou de modifier le titre du graphique, ainsi que les étiquettes des axes x et y.

ggplot(DevAfrica2018) + geom_bar(aes(y=SUBREG)) + 
  xlab("Nombre de pays") +
  ylab("Sous-région") +
  ggtitle("Joli graphique")

Ressources

La documentation officielle de ggplot2
The R Graph Gallery

Le package Esquisse

# Installation du package 
install.packages("esquisse")

Construisez votre graphique ggplot en clic-bouton et glisser-déposer, puis récupérer le code source !

Exercice

1. Créez un projet Rstudio

File/New Project/New Directory…

2. Téléchargez les données suivantes :

Intitulé Téléchargement
Données pays africains (UN-CEPII) Download

3. Placez les données (décompressées) dans le répertoire de votre projet, de la façon suivante :

4. Importez la base de données DEV_AFRICA_2018 sous le nom DevAfrica2018.

Un peu d’aide ? 
# Import des métadonnées
...  <- read.table(file = "...", 
                   header = ...,
                   sep= "...",
                   encoding = "...")


library(...)
DevAfrica2018 <- read_excel("...")

5. Re-codez la variable « POP » en « Population » en trois catégories :

  1. Moins de 10 millions
  2. 10 – 25 millions
  3. > 25 millions
Un peu d’aide ? 
...$... <- cut(...$...,  
              breaks = c(..., ..., ..., ...), 
              labels = c("...s", 
              "...", 
              "..."), 
              right = ...)

6. Faite une représentation graphique de l’effectif des pays par sous-région.

Un peu d’aide ? 
library(...)

ggplot(...) + 
   geom_histogram(aes(x = ...), stat = '...')

7. Ajoutez les étiquettes (titre du graphique, étiquette axe abscisse, axe des ordonnées) au graphique.

Un peu d’aide ? 
ggplot(...) + 
  geom_histogram(aes(x=...), stat = '...')+
  ggtitle("...")+
  xlab("...") + 
  ylab("...")

8. Faite la boite à moustache de l’espérance de vie à la naissance par sous-région.

Un peu d’aide ? 
ggplot(...) + 
  geom_boxplot(aes(x=..., y=...))

9. Ajout des étiquettes (titre du graphique, étiquette axe abscisse, axe des ordonnées) au graphique.

Un peu d’aide ? 
ggplot(...) + 
  geom_boxplot(aes(x=..., y=...), varwidth = ...)

Note : faites les largeurs des boites à moustaches proportionnelles à l’effectif de pays par sous-région

Un peu d’aide ? 
Graphique1 <- ggplot(...) + 
  geom_boxplot(aes(x=..., y=...), varwidth = ...) + 
  xlab("...") + 
  ylab("...") + 
  ggtitle("...")


# Sauvegarde du graphique
ggsave("...", dpi = 3000)


Corrigé