Partie 10 Initiation à tidyverse

  • Mise en place : Télécharger le dossier exo_dvf et décompressez le sur votre ordinateur. Puis ouvrez le projet R exo.Rproj dans Rstudio.

10.1 Introduction

10.1.1 Un nouvel empire ?

Le package tidyverse mis au point par les auteurs de R Studio est une collection de packages R qui se présente comme un nouveau langage permettant le traitement intégré des données selon une chaîne qui part de l’importation (readr) et de la mise en forme (tidyr) pour passer ensuite aux transformations(dplyr, broom), à la visualisation statistique (ggplot2) ou cartographique (ggmap), à la modélisation et enfin la restitution sous forme de documents (Rmarkdown).

La liste de package présentée dans la figure ci-dessus n’est d’ailleurs pas exhaustive car il existe des packages plus spécialisés dans l’analyse et le recodage des variables catégorielles (forcats) ou temporelles (lubridate), l’analyse de données textuelles (stringr), l’étude de données d’enquête (haven). En dehors de tidyverse proprement dit, les auteurs de ce package ont mis au point des outils d’analye textuelle (tidytext), de création de site web (shiny) qui s’inscrivent dans la même philosophie.

Bref, tidyverse se présente comme un nouvel empire qui remplacerait les vieux packages R destinés à tomber dans les poubelles de l’histoire et constituerait l’outil ultime de la science des données…

10.1.2 Pour une utilisation sélective

Les adhérents de la philosophie tidyverse ont donc pour pratique de charger d’emblée le superpackage tidyverse et d’inclure de ce fait l’ensemble de ces composantes qu’elles soient utiles ou non à l’analyse, ce qui ne manque pas de créer des conflits avec d’autres packages disponibles dans R :

# Ne pas executer !
library(tidyverse)

L’auteur de ces lignes et beaucoup de chercheurs en sciences des données ne partagent cependant pas l’enthousiasme des auteurs de tidyverse et émettent plusieurs réserves.

  • tidyverse n’est pas un très bon logiciel de statistique comparativement à d’autres packages tels que car (pour la régression), survey ou questionr (pour les analyses d’enquêtes).
  • tidyverse n’est pas le meilleur package pour des représentation cartographiques et il existe d’autres packages plus effficaces tels que tmap, leaflet, mapsf, …
  • tidyverse charge inutilement la mémoire de l’ordinateure packages pas toujours utiles aux objectifs que l’on s’est donné.
  • tidyverse n’est pas le plus performant pour la gestion de très grandes masses de données comparativement au package data.table
  • tidyverse ne fait souvent que dupliquer des packages existants
  • …

Bref, il semble préférable d’utiliser au cas par cas les composantes de tidverse et de ne charger que celles dont on a réellement l’utilité et pour lesquelles les auteurs ont réellement apporter une innovation majeure. Deux packages relèvent clairement de cette catégorie : dplyr et ggplot2. C’est donc uniquement ces deux packages que nous allons utiliser ici en insistant sur leurs qualités et leur complémentarité.

library(dplyr)
library(ggplot2)

10.1.3 Jeu de données

On charge un fichier sauvegardé au format .RDS appelé DSTM1_2023_V2.RDS

base<-readRDS("resources/data/dvf/dm/DSTM1_2023_V2.RDS")
base<-as.data.frame(base)
head(base)
#>   com_code          com_nom  ann        type   prix sup nbp        X       Y
#> 1    93046     Livry-Gargan 2019      Maison 359980 105   5 665716.8 6868319
#> 2    93046     Livry-Gargan 2019 Appartement 271000  58   3 666339.0 6869657
#> 3    93005 Aulnay-sous-Bois 2019 Appartement  80000  72   4 664285.1 6872132
#> 4    93046     Livry-Gargan 2019 Appartement 149000  38   2 664728.0 6867419
#> 5    93005 Aulnay-sous-Bois 2019      Maison 230000  78   4 663570.8 6872907
#> 6    93005 Aulnay-sous-Bois 2019      Maison 200000  94   4 662340.0 6870911
#>   dist_gare
#> 1 2522.1834
#> 2 1222.6446
#> 3  942.0401
#> 4 1920.6869
#> 5 1144.2156
#> 6  836.4367

10.1.3.1 Contenu du fichier

Ce dossier est une version simplifiée des Demandes de Valeurs Foncières et contient un échantillon des ventes de maisons ou d’appartements effectués dans un ensemble de communes d’Ile de France caractérisées par la présence d’un volume important de maisons et d’appartement.

Sources : Ces données sont disponibles sur le site opendatasoft sous l’appellation “Demandes de valeurs foncières géoloalisées”

La liste des variables est la suivante :

  • com_code : code INSEE de la commune où a eu lieu la transaction
  • com_nom : nom de la commune où a eu lieu la transaction
  • ann : année de la transcation
  • type : type de bien vendu (maison ou appartement)
  • prix : prix de vente du bien
  • surf : surface habitable du logement
  • nbp : nombre de pièces du logement
  • X : cordonnées projetées de longitude
  • Y : coordonnées projetées de latitude
  • dist_gare : distance à la gare la plus proche en mètres
summary(base)
#>     com_code       com_nom               ann                type      
#>  Min.   :77373   Length:94530       Min.   :2017   Appartement:58415  
#>  1st Qu.:92002   Class :character   1st Qu.:2018   Maison     :36115  
#>  Median :93029   Mode  :character   Median :2019                      
#>  Mean   :91281                      Mean   :2019                      
#>  3rd Qu.:94068                      3rd Qu.:2020                      
#>  Max.   :95607                      Max.   :2021                      
#>       prix              sup              nbp               X         
#>  Min.   :  13500   Min.   :  9.00   Min.   : 1.000   Min.   :627324  
#>  1st Qu.: 164000   1st Qu.: 48.00   1st Qu.: 2.000   1st Qu.:643478  
#>  Median : 243000   Median : 65.00   Median : 3.000   Median :658934  
#>  Mean   : 296945   Mean   : 70.23   Mean   : 3.288   Mean   :653699  
#>  3rd Qu.: 360000   3rd Qu.: 85.00   3rd Qu.: 4.000   3rd Qu.:663441  
#>  Max.   :3131000   Max.   :299.00   Max.   :15.000   Max.   :673401  
#>        Y             dist_gare      
#>  Min.   :6830664   Min.   :  27.84  
#>  1st Qu.:6855834   1st Qu.: 548.93  
#>  Median :6864402   Median : 901.37  
#>  Mean   :6862812   Mean   : 999.69  
#>  3rd Qu.:6870676   3rd Qu.:1326.11  
#>  Max.   :6884258   Max.   :3768.92

10.2 Manipuler avec dplyr

Nous allons passer rapidement en revue quelques commandes de base de dplyr à travers des exemples précis d’application.On commence par charger le package dlyr qui est une partie de l’univers tidyverse mais que l’on peut utiliser indépendamment du reste de l’empire d’Hadley Wickham…

library(dplyr)
knitr::include_graphics("resources/figures/dplyr.jpg")

10.2.1 filter()

La commande filter() permet de sélectionner des lignes. Deux syntaxes sont possibles :

  • filter(tableau, condition1, condition2, …)
  • tableau %>% filter(}condition1, condition2, ...)

On préfrera la seconde syntaxe qui évite de mélanger dans la parenthèse le nom du tableau et les conditions de sélection. La fonction %>% est un pipeline (en abrégé ‘pipe’) qui peut se traduire par ‘et ensuite’ lorsque l’on enchaîne une série d’instruction.

Par exemple, si on veut sélectionner la commune de St-Maur-des-Fossés dont le code est 94068 on pourra écrire le programme suivant

# Solution R-Base
don<-base[base$com_code=="94068",]
head(don,3)
#>    com_code               com_nom  ann        type   prix sup nbp        X
#> 60    94068 Saint-Maur-des-Fossés 2019 Appartement 170000  35   3 661127.9
#> 61    94068 Saint-Maur-des-Fossés 2019 Appartement 362000  59   3 663139.1
#> 62    94068 Saint-Maur-des-Fossés 2019 Appartement 315000  52   3 661660.3
#>          Y dist_gare
#> 60 6856876  522.3698
#> 61 6856243  868.9349
#> 62 6855562  896.2634

#Solution dplyr 
don<-base %>% filter(com_code=="94068")
head(don,3)
#>   com_code               com_nom  ann        type   prix sup nbp        X
#> 1    94068 Saint-Maur-des-Fossés 2019 Appartement 170000  35   3 661127.9
#> 2    94068 Saint-Maur-des-Fossés 2019 Appartement 362000  59   3 663139.1
#> 3    94068 Saint-Maur-des-Fossés 2019 Appartement 315000  52   3 661660.3
#>         Y dist_gare
#> 1 6856876  522.3698
#> 2 6856243  868.9349
#> 3 6855562  896.2634

A première vue il n’y a pas beaucoup de différence entre R-Base et dplyr. Mais l’avantage de ce dernier apparaît mieux lorsque l’on veut effectuer une solution selon plusieurs critères. Par exemple, supposons qu’on veuille sélectionner les ventes de maison de 80 à 120 m2 à Saint-Maur des fossés en 2020 :

# Solution R-Base
don<-base[base$com_code=="94068" & 
            base$type=="Maison" & 
            base$ann == 2020 & 
            base$sup >= 80 &
            base$sup <= 120,]
head(don,3)
#>      com_code               com_nom  ann   type    prix sup nbp        X
#> 2817    94068 Saint-Maur-des-Fossés 2020 Maison 1500000 120   5 663646.8
#> 3340    94068 Saint-Maur-des-Fossés 2020 Maison  773313  80   4 661871.6
#> 3342    94068 Saint-Maur-des-Fossés 2020 Maison  610000  93   4 661389.3
#>            Y dist_gare
#> 2817 6855738  778.2111
#> 3340 6855967  457.8792
#> 3342 6854505 1867.5387

#Solution dplyr 
don<-base %>% filter(com_code=="94068",
                      type=="Maison",
                      ann == 2020, 
                      sup >= 80,
                      sup <= 120)
head(don,3)
#>   com_code               com_nom  ann   type    prix sup nbp        X       Y
#> 1    94068 Saint-Maur-des-Fossés 2020 Maison 1500000 120   5 663646.8 6855738
#> 2    94068 Saint-Maur-des-Fossés 2020 Maison  773313  80   4 661871.6 6855967
#> 3    94068 Saint-Maur-des-Fossés 2020 Maison  610000  93   4 661389.3 6854505
#>   dist_gare
#> 1  778.2111
#> 2  457.8792
#> 3 1867.5387

Le code est désormais beaucoup plus léger et beaucoup plus clair dans le cas de dplyr, surtout si l’on procède à une indentation des conditions.

10.2.2 select()

La commande select() permet de choisir des variables c’est-à-dire des colonnes dans un tableau. Supposons à titre d’exemple que l’on veuille créer un tableau ne contenant que les variables com_nom, type, prix et surface.

# Solution R-Base
don<-base[,c("com_nom", "type","prix","sup")]
head(don,3)
#>            com_nom        type   prix sup
#> 1     Livry-Gargan      Maison 359980 105
#> 2     Livry-Gargan Appartement 271000  58
#> 3 Aulnay-sous-Bois Appartement  80000  72

#Solution dplyr 
don<-base %>% select(com_nom, type, prix, sup)
head(don,3)
#>            com_nom        type   prix sup
#> 1     Livry-Gargan      Maison 359980 105
#> 2     Livry-Gargan Appartement 271000  58
#> 3 Aulnay-sous-Bois Appartement  80000  72

La principale différence entre les deux écritures est l’absence d’apostrophe “” dans la liste du nom des variables utilisées par select() ce qui est tout de même un gain de temps précieux.

On peut procéder à des sélections par numéro de colonnes et on peut supprimer des variables avec l’opérateur “-”. Par exemple, pour retirer les variables X et Y on a deux écritures possibles en dplyr

# Solution R-Base
don<-base[,c(1:7,10)]
head(don,3)
#>   com_code          com_nom  ann        type   prix sup nbp dist_gare
#> 1    93046     Livry-Gargan 2019      Maison 359980 105   5 2522.1834
#> 2    93046     Livry-Gargan 2019 Appartement 271000  58   3 1222.6446
#> 3    93005 Aulnay-sous-Bois 2019 Appartement  80000  72   4  942.0401

#Solution dplyr n°1
don<-base %>% select(1:7,10)
head(don,3)
#>   com_code          com_nom  ann        type   prix sup nbp dist_gare
#> 1    93046     Livry-Gargan 2019      Maison 359980 105   5 2522.1834
#> 2    93046     Livry-Gargan 2019 Appartement 271000  58   3 1222.6446
#> 3    93005 Aulnay-sous-Bois 2019 Appartement  80000  72   4  942.0401

#Solution dplyr n°2
don<-base %>% select(-X,-Y)
head(don,3)
#>   com_code          com_nom  ann        type   prix sup nbp dist_gare
#> 1    93046     Livry-Gargan 2019      Maison 359980 105   5 2522.1834
#> 2    93046     Livry-Gargan 2019 Appartement 271000  58   3 1222.6446
#> 3    93005 Aulnay-sous-Bois 2019 Appartement  80000  72   4  942.0401

10.2.3 mutate()

La commande mutate() permet de créer de nouvelles variables ou de modifier des variables existantes. Supposons par exemple qu’on veuille créer un tableau contenant pour la commune de Saint-Maur une variable prix au m2 et une variable distance à la gare en km.

# Solution R-Base
don<-base[base$com_code==94068,]
don$prixm2<-don$prix/don$sup
don$dist_gare<-don$dist_gare/1000
don<-don[,c("prixm2", "dist_gare")]
head(don,3)
#>      prixm2 dist_gare
#> 60 4857.143 0.5223698
#> 61 6135.593 0.8689349
#> 62 6057.692 0.8962634

#Solution dplyr n°1
don<-base %>% filter(com_code==94068) %>%              # sélection de Saint-Maur
              mutate(prixm2 = prix/sup,                # création du prix au m2
                     dist_gare = dist_gare/1000)%>%    # conversion de la distance en km
              select(prixm2,dist_gare)                 # sélection des variables utiles
head(don,3)
#>     prixm2 dist_gare
#> 1 4857.143 0.5223698
#> 2 6135.593 0.8689349
#> 3 6057.692 0.8962634

Nous voyons ici l’intérêt du pipeline %>% qui permet d’enchaîner de façon simple les différentes opérations effectuées respectivement par chacune des fonctions. La lecture du programme est beaucoup plus naturelle que dans le cas de R-Base

10.2.4 arrange()

La commande mutate() permet enfin de trier le tableau selon une ou plusieurs clés de tri. Reprenons par exemple le programme précédent et essayons de trier les résultats en fonction de la distance à la gare.

# Solution R-Base
don <- base[base$com_code==94068,]
don$prixm2 <- don$prix/don$sup
don$dist_gare <- don$dist_gare/1000
don <- don[,c("prixm2", "dist_gare")]
don <- don[order(don$dist_gare),]
head(don,3)
#>         prixm2  dist_gare
#> 9335  4642.000 0.03447172
#> 82459 5053.571 0.03447172
#> 6124  8295.455 0.03622251
tail(don,3)
#>         prixm2 dist_gare
#> 5987  5343.750  2.164269
#> 56051 3437.466  2.170164
#> 83391 3750.000  2.170164

#Solution dplyr n°1
don<-base %>% filter(com_code==94068) %>%              # sélection de Saint-Maur
              mutate(prixm2 = prix/sup,                # création du prix au m2
                     dist_gare = dist_gare/1000)%>%    # conversion de la distance en km
              select(prixm2,dist_gare) %>%             # sélection des variables utiles
              arrange(dist_gare)
head(don,3)
#>     prixm2  dist_gare
#> 1 4642.000 0.03447172
#> 2 5053.571 0.03447172
#> 3 8295.455 0.03622251
tail(don,3)
#>        prixm2 dist_gare
#> 6628 5343.750  2.164269
#> 6629 3437.466  2.170164
#> 6630 3750.000  2.170164

10.3 Visualiser avec ggplot2

On commence par charger le package ggplot2 qui est une partie de l’univers tidyverse mais que l’on peut utiliser indépendamment du reste de l’empire d’Hadley Wickham…

library(ggplot2)
knitr::include_graphics("resources/figures/ggplot2.jpeg")

10.3.1 Les différentes étapes

  • la commande ggplot(data) initie la création du graphique.
  • la commande aes() qui est l’abrévation de aesthetics définit les paramètres généraux de l’ensemble du graphique et comporte en général
    • x = variable liée à l’axe horizontal
    • y= variable liée à l’axe vertical
    • colour= : variable définissant des groupes / couleur
    • shape= : variable définissant des groupes / forme
  • la commande geom_xxx crée un graphique de type xxx
  • les commandes additionnelles scale_xxx précisent les axes
  • la commande additionelle facet_xxx partitionne la figure en plusieurs
  • la commande theme_xxx retouche l’ensemble des paramètres de couleur, police, épaisseur

N.B. Toutes les étapes ci-dessus ne sont pas obligatoires.

10.3.2 La figure à réaliser

Comment réaliser la figure ci-dessous ?

10.3.3 La construction pas à pas

On commence par préparer le tableau de données avec dplyr :

sel<-base %>% filter(com_code==94068) %>%
              mutate(periode = as.factor(ann>2019))%>%
              select(periode, type, prix, sup, nbp)
levels(sel$periode)<-c("Pre-covid (2017-19)","Covid (2020-21)")
head(sel)
#>               periode        type   prix sup nbp
#> 1 Pre-covid (2017-19) Appartement 170000  35   3
#> 2 Pre-covid (2017-19) Appartement 362000  59   3
#> 3 Pre-covid (2017-19) Appartement 315000  52   3
#> 4 Pre-covid (2017-19) Appartement 405000  62   2
#> 5 Pre-covid (2017-19)      Maison 174500  36   2
#> 6 Pre-covid (2017-19) Appartement 344700  63   3

On définit le tableau de données avec ggplot() et les variables principales avec aes()


  ggplot(sel) +
  aes(x = sup) +
  aes(y = prix) +
  aes(col = type)

On ajoute le type principal du graphique avec la commande geom_point()


  ggplot(sel) +
  aes(x = sup) +
  aes(y = prix) +
  geom_point()

On retouche les axes horizontaux et verticaux en les passant en logarithme et en leur donnant un titre.


  ggplot(sel) +
  aes(x = sup) +
  aes(y = prix) +
  geom_point() +
  scale_x_continuous(name="Surface du logement")+
  scale_y_continuous(name="Prix de vente")

On segmente le graphique en facettes selon une ou plusieurs variables avec facet_wrap(). Du coup, on retire ces variables de l’esthétique générale :


  ggplot(sel) +
  aes(x = sup) +
  aes(y = prix) +
  geom_point() +
  scale_x_continuous(name="Surface du logement")+
  scale_y_continuous(name="Prix de vente")+
  facet_wrap(vars(type, periode),ncol= 2)

On ajoute dans chaque facette une droite de tendance et son intervalle de confiance avec geom_smooth(). On précise method=“lm” pour avoir une droite et non pas une courbe


  ggplot(sel) +
  aes(x = sup) +
  aes(y = prix) +
  geom_point() +
  scale_x_continuous(name="Surface du logement")+
  scale_y_continuous(name="Prix de vente")+
  facet_wrap(vars(type, periode),ncol= 2)

  geom_smooth(method="lm") 
#> geom_smooth: na.rm = FALSE, orientation = NA, se = TRUE
#> stat_smooth: na.rm = FALSE, orientation = NA, se = TRUE, method = lm
#> position_identity

Onajoute un titre principal avec ggtitle() et on retouche l’ensemble de l’apparence avec theme_light().


  ggplot(sel) +
  aes(x = sup) +
  aes(y = prix) +
  geom_point() +
  scale_x_continuous(name="Surface du logement")+
  scale_y_continuous(name="Prix de vente")+
  facet_wrap(vars(type, periode),ncol= 2)+
  geom_smooth(method="lm") +
  ggtitle(label = "Ventes de logements à Saint-Maur (2017-2021)",
          subtitle = "Source : DVF ") +
  theme_light()

10.3.4 Comparaison avec R-Base

  • La principale différence réside dans la construction séquentielle de la figure avec l’opérateur +. A tout moment on peut sauvegarder la figure au cours d’une des étapes décrites dans l’exemple. On parle de pipeline pour ce type de programme que l’on retrouve dans la manipulation de données avec tidyverse et dplyr.

  • La seconde différence réside dans la production rapide d’une figure de qualité graphique acceptable sans avoir besoin de spécifier les paramètres par() de R-Base.

  • Au total, ggplot2 s’impose actuellement comme un standard mondial autour duquel se greffent d’autres applications. Par exemple, on peut rendre interactif un graphique ggplot() en le couplant avec plotly().

  • Mais … ggplot2 est beaucoup moins simple qu’il n’y paraît de prime abord. Et on peut facilement s’arracher les cheveux sur certaines commandes !

10.3.5 Attention ! Paramètres aes() locaux et globaux

Une des plus grandes difficultés que l’on rencontre dans ggplot() est la manipulation du paramètre aes() qui peut renvoyer :

  • soit à des paramètres globaux s’ils apparaissent dans le ggplot initial ou dans des lignes de codes isolées
  • soit à des paramètres locaux, s’ils apparaissent à l’intérieur d’une fonction geom().

Deux exemples rapides pour bien comprendre

  • type est un paramètre global : dans ce cas il s’applique à toutes les commandes qui suivent. Il y aura donc deux droites de régression générées par geom_smooth
ggplot(sel, aes(x = sup, y = prix, color = type)) +
geom_point() +
geom_smooth(method="lm")

  • type est un paramètre local de geom_point() : dans ce cas il n’aura pas d’effet sur geom_smooth() qui va générer une seule droite de régression.
ggplot(sel, aes(x = sup, y = prix)) +
geom_point(aes(color=type)) +
geom_smooth(method="lm")

10.4 Comparaison R-Base / Ggplot2

10.4.1 X discrète

10.4.1.1 barplot (R-base)

barplot(table(sel$type), col = c("blue", "red"),
        xlab="Type de logement", ylab = "effectif")

10.4.1.2 geom_bar (ggplot2)

# ggplot
ggplot(sel) +
  aes(x =type) +
  geom_bar(fill = c("blue","red"))+
  scale_x_discrete(name="Type de logement")+
  scale_y_continuous(name="effectif")

10.4.2 X quantitative continue

10.4.2.1 hist (R-base)

sel2<-sel[sel$type=="Maison",]
hist(sel2$prix,breaks = 15,
     col = "lightyellow",
     border = "blue",
     xlab="Prix de vente",
     ylab = "Nombre de ventes",
     main = "Ventes de maison")

10.4.2.2 geom_histogram (ggplot2)

# On démarre par une ligne de tidyverse ...
sel %>%  filter(type=="Maison") %>%
#  ... en on embraye sur ggplot2 
  ggplot() +
  aes(x =prix) + 
# Appel de la fonction principale  
  geom_histogram( bins = 15,     
                 fill="lightyellow",
                 col="blue" 
                 ) +   
# Retouche de l'échelle
 scale_x_continuous( name = "Prix de vente") + 
 scale_y_continuous(name = "Nombre de ventes")+
# Ajout du titre 
 ggtitle("Ventes de logements à Saint-Maur (2017-2021)")

10.4.3 X et Y quantitatives continues

10.4.3.1 plot (R-base)


plot(x = sel$sup,
     y = sel$prix, 
     cex=0, 
     xlab="Surface",
     ylab="Prix de vente",
     main= "Ventes de maison")
points(x = sel$sup,
       y = sel$prix, 
       col=sel$type, 
       cex=sqrt(sel$nbp), 
       pch=19)
abline(lm(sel$prix~sel$sup), 
       col="blue",
       lwd=3)

10.4.3.2 geom_point (ggplot2)


#  On définit les paramètres globaux 
  ggplot(sel, aes(x =sup, y=prix)) +
  
# On trace les points avec 
# des paramètres locaux
  geom_point(aes(color=type, 
                 size = nbp)) +
  
# On ajoute la droite de régression
  geom_smooth(method = "lm") +
  
# On ajoute les titres
  scale_x_continuous(name="surface") +
  scale_y_continuous(name="prix de vente") +
  ggtitle("Ventes de logements à Saint-Maur (2017-2021)")

10.4.4 X quantitative continue et Y discrète

10.4.4.1 boxplot (R-base)

sel2<-sel[(sel$type=="Maison"),]
sel2$SIZE<-as.factor(sel2$nbp)
#levels(don2$SIZE)<-c("1 ou 2", "1 ou 2", "3 ou 4", "3 ou 4", "5 ou 6", "5 ou 6")
boxplot(sel2$prix~sel2$SIZE, 
      col=rainbow(n=12, alpha=0.5),
       xlab="Nombre de pièces",
       ylab="Prix",
      main= "Ventes de logements à Saint-Maur (2017-2021)")

10.4.4.2 geom_boxplot (ggplot2)

# On filtre le tableau et on change SIZE en factor
sel %>%  filter(type=="Maison") %>% 
         mutate(SIZE = as.factor(nbp)) %>%
  
# On définit les paramètres principaux
ggplot(aes(x= SIZE,y = prix)) +
  
# On ajoute la boxplot
geom_boxplot(aes(fill= SIZE)) +
  
  
# On ajoute les titres
  scale_x_discrete(name="Nombre de pièces") +
  scale_y_continuous(name="Prix de vente") +
  ggtitle("Ventes de logements à Saint-Maur (2017-2021)")

10.4.4.3 beanplot (R-base + package beanplot)

par(bg="black",fg="white",col.lab ="white", col.axis ="white",col.main="white" )
sel2<-sel[(sel$type=="Maison"),]
sel2$SIZE<-as.factor(sel2$nbp)
#levels(don2$SIZE)<-c("1 ou 2", "1 ou 2", "3 ou 4", "3 ou 4", "5 ou 6", "5 ou 6")
library(beanplot)


beanplot(sel2$prix~sel2$SIZE, 
         col=c("lightyellow","red"),
       xlab="Nombre de pièces",
       ylab="Prix",
      main= "Ventes de logements à Saint-Maur (2017-2021)")

10.4.4.4 geom_violin (ggplot2)

# On filtre le tableau et on change SIZE en factor
sel %>%  filter(type=="Maison") %>% 
         mutate(SIZE = as.factor(nbp)) %>%
  
# On définit les paramètres principaux
ggplot(aes(x= SIZE,y = prix)) +
  
# On ajoute la géométrie 
geom_violin(aes(fill= SIZE)) +
  
# On ajoute les titres
  scale_x_discrete(name="Nombre de pièces") +
  scale_y_continuous(name="Prix de vente") +
  ggtitle("Ventes de logements à Saint-Maur (2017-2021)") +

# On passe en thème "dark"
  theme_dark()

10.4.5 Deux variables X et Y discrètes

10.4.5.1 mosaicplot (R-base)


mosaicplot(sel$periode~sel$type, 
      col=c("yellow","orange"),
       xlab="Année",
       ylab="Type de logement",
      main= "Ventes de logements à Saint-Maur (2017-2021)")

10.4.5.2 geom_bar (ggplot2)


  
# On définit les paramètres principaux
ggplot(sel,aes(x= periode, fill = type)) +
  

# On ajoute geom_bar
geom_bar() +

  
# On ajoute les titres
  scale_x_discrete(name="Année") +
  ggtitle("Ventes de logements à Saint-Maur (2017-2021)")

10.5 Conclusion

10.5.1 R-base

  • simple d’utilisation
  • peut être amélioré par des packages spécialisés
  • permet de créer ses propres fonctions
  • n’impose pas d’apprendre tidyverse

10.5.2 ggplot2

  • standard mondial du graphisme … actuellement
  • compatible avec la religion du tidyverse
  • rédaction séquentielle très efficace
  • mais apprentissage difficile (plusieurs semaines …)

10.5.3 Le meilleur des deux mondes ?

  • ne pas hésiter à combiner les deux
  • exportation facile des résultats dans les deux cas (pdf, jpeg, png, …)

10.5.4 plotly, un challenger sérieux de ggplot pour le web

  • plotly crée des graphiques interactifs au format .html
  • plotly peut convertir des documents ggplot
  • plotly a une syntaxe proche de ggplot mais avec des fonctionnalités en plus
  • plotly est multilangage (R, Python, …)