Visualisation avec R

Importance de la visualisation

Expliquer pourquoi la visualisation est cruciale à chaque étape d'une étude statistique (description des données, calibration des modèles, présentation des résultats).

Histogramme pour variable continue

Identifier l'histogramme comme le graphique adapté pour visualiser la distribution d'une variable continue.

Diagramme en barres qualitatif

Identifier le diagramme en barres comme le graphique adapté pour représenter une variable qualitative.

Nuage de points bivarié

Identifier le nuage de points comme le graphique adapté pour visualiser la relation entre deux variables continues.

Boxplot pour distribution

Identifier le boxplot comme le graphique adapté pour visualiser la distribution et les statistiques descriptives d'une variable continue.

Fonction plot() pour nuages

Utiliser la fonction plot() avec une formule (y ~ x) pour créer un nuage de points entre deux variables d'un jeu de données.

Fonction hist() pour histogrammes

Utiliser la fonction hist() pour tracer un histogramme d'une variable continue et personnaliser la couleur avec l'argument col.

Fonction barplot() pour barres

Utiliser la fonction barplot() combinée à table() pour créer un diagramme en barres à partir des effectifs d'une variable qualitative.

Fonction boxplot() pour distributions

Utiliser la fonction boxplot() avec une formule (variable ~ groupe) pour comparer les distributions d'une variable continue selon les modalités d'un facteur.

Initialisation avec ggplot()

Initialiser un graphique avec ggplot(data) et définir le mapping des variables avec la fonction aes(x, y).

Géométrie geom_point()

Ajouter une couche geom_point() pour créer un nuage de points à partir des données mappées.

Géométrie geom_histogram()

Ajouter une couche geom_histogram() pour créer un histogramme avec un remplissage personnalisé via fill.

Géométrie geom_bar()

Ajouter une couche geom_bar() pour créer un diagramme en barres à partir d'une variable qualitative.

Assemblage de couches plus

Assembler les différentes couches (données, esthétiques, géométries) avec l'opérateur + pour construire un graphique complet.

Mapping esthétique avancé

Mapper des variables qualitatives aux esthétiques color ou fill à l'intérieur de aes() pour différencier visuellement les groupes.

Attributs esthétiques fixes

Modifier les attributs visuels fixes des géométries (couleur, taille, remplissage) en dehors de aes() (ex: color="blue", size=2).

Échelles de couleur continues

Utiliser scale_fill_continuous() ou scale_color_continuous() pour définir des palettes de couleurs personnalisées avec les arguments low et high.

Application de thèmes ggplot2

Appliquer des thèmes prédéfinis comme theme_void() pour modifier l'apparence générale et la mise en page du graphique.

Choix de géométries adaptées

Sélectionner la géométrie appropriée (geom_line, geom_boxplot, etc.) selon le type de données et l'objectif de visualisation.

Fonds de carte avec map_data

Créer un fond de carte géographique avec map_data() et geom_polygon() en utilisant les variables long, lat et group.

Ajout de points géolocalisés

Superposer des points géographiques sur une carte avec geom_point() en spécifiant les coordonnées longitude et latitude dans un jeu de données externe.

Géocodage avec tidygeocoder

Utiliser le package tidygeocoder et la fonction geocode() pour convertir des noms de villes en coordonnées géographiques (latitude, longitude).

Lecture de shapefiles avec sf

Lire des données spatiales au format shapefile avec read_sf() du package sf et manipuler des objets de classe sf (Simple Features).

Cartes statiques avec geom_sf

Créer des cartes statiques avec geom_sf() et colorer les polygones selon une variable attributaire avec aes(fill = variable).

Cartes interactives avec leaflet

Créer une carte interactive avec leaflet(), ajouter des tuiles avec addTiles() et définir la vue initiale avec setView(lng, lat, zoom).

Création de graphiques Plotly

Créer des graphiques interactifs avec plot_ly() en spécifiant les données, les variables x et y, et le type de graphique.

Configuration des traces Plotly

Configurer les traces Plotly en définissant le type (scatter, bar) et le mode (markers, lines) pour adapter la visualisation.

Transitions avec transition_time

Ajouter des transitions temporelles à un graphique ggplot2 avec gganimate en utilisant transition_time() sur une variable temporelle.

Rendu d'animations avec animate

Générer et afficher une animation à partir d'un graphique ggplot2 animé avec la fonction animate() du package gganimate.

Architecture UI Serveur Shiny

Structurer une application Shiny en deux composants : l'interface utilisateur (ui) et la fonction serveur (server), puis les assembler avec shinyApp().

Interface avec fluidPage

Définir l'interface utilisateur avec fluidPage(), sidebarLayout(), sidebarPanel() et mainPanel() pour organiser les éléments de l'application.

Widgets d'entrée interactifs

Intégrer des widgets de contrôle comme sliderInput() dans le sidebarPanel pour permettre à l'utilisateur de modifier les paramètres.

Sorties réactives renderPlot

Définir des sorties réactives avec renderPlot() dans la fonction serveur et les afficher dans le mainPanel avec plotOutput().

Tableaux de bord avec Quarto

Identifier Quarto comme outil permettant de créer des tableaux de bord pour publier des synthèses de visualisations et d'analyses.