5 Utilisation de `ggplot2`

5.1 Qu’est ce que `ggplot2`?

ggplot2 est une librairie développée par Hadley Wickham. Elle permet de réaliser des graphiques élégants et très visuels avec peu de lignes de commande.
La réalisation de graphiques se base sur l’ajout et/ou la modification successives de couches sur un graphique.

require(ggplot2) ###chargement de la librairie

Pour l’exemple nous allons utiliser le jeu de données Iris de la librairie datasets. Ce jeu de données regroupe les données morphométriques des sépales et des pétales de 3 espèces d’Iris : Iris setosa, Iris versicolor, Iris virginica.

data(iris) ###chargement du jeu de données iris
summary(iris) ###les paramètres de distribution des variables morphologiques

##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
##

5.2 Comment utiliser `ggplot2`?

Pour créer un graphique avec ggplot2, il faut initialiser les paramètres graphiques via la fonction ggplot(). L’orginalité des graphiques de ggplot2 est qu’ils peuvent être assignés à des objets.

5.2.1 Les diagrammes de dispersion

Nous allons réaliser un diagramme de dispersion entre la longueur et la largeur des sépales.

graph1 <- ggplot(data=iris,aes(x=Sepal.Length,y=Sepal.Width))###Initialisation des paramètres graphiques

l’argument aes() correspond aux paramètres esthétiques, on peut définir à l’intérieur les paramètres suivants :

x : la variable en abscisse
y : la variable en ordonnée
colour : couleur des points
…

pour plus d’information, vous pouvez tapez ?aes

On peut ensuite ajouter la couche graphique correspondant points geom_point().

graph1 <- graph1+geom_point()
graph1

On va maintenant modifier le titre des axes grâce aux fonctions xlab() et ylab()

graph1 <- graph1+xlab("Longueur des sépales (cm)")+ylab("Largeur des sépales (cm)")
graph1

Le graphique graph1 regroupe les données des trois espèces sans pouvoir les différencier. On va donc différencier les points en fonction des espèces en leur attribuant une couleur. Il faut donc ajouter l’argument colour dans les paramètres esthétiques.

graph1 <- ggplot(data=iris,aes(x=Sepal.Length,y=Sepal.Width,colour=Species))+geom_point()
graph1

graph1<-graph1+xlab("Longueur des sépales (cm)")+ylab("Largeur des sépales (cm)")
graph1

En utilisant la fonction facet_grid() on va pouvoir réaliser un graphique pour chaque espèce d’Iris.

graph1<-graph1+facet_grid(.~Species)
graph1

graph2<-graph1+facet_grid(Species~.)
graph2

5.2.2 Les histogrammes

Nous allons réaliser la distribution de fréquences de la longueur des pétales en utilisant la fonction geom_histogram()

graph3 <- ggplot(iris,aes(x=Petal.Length))+geom_histogram()
graph3

Si besoin, nous pouvons changer le nombre de classes pour réaliser un histogramme en modifiant l’argument bins.

ggplot(iris,aes(x=Petal.Length))+geom_histogram(bins=10)

ggplot(iris,aes(x=Petal.Length))+geom_histogram(bins=100)

ggplot(iris,aes(x=Petal.Length))+geom_histogram(bins=1000)

5.3 Les boîtes à moustaches

Pour connaitre la distribution d’une variable quantitative entre plusieurs échantillons, vous pouvez utiliser le diagramme à moustache ou boxplot. Dans ggplot2 vous devez utiliser la fonction geom_boxplot().

ggplot(iris, aes(x=Species,y=Petal.Length))+geom_boxplot()

5.4 Les diagrammes en bâtons

Nous allons calculer la moyenne et l’écart-type de chaque variable quantitative à l’aide la libraire tidyverse également développée par Hadley Wickham.

L’utilisation de la librairie tidyverse sera détaillée dans le TP2.

require(tidyverse)

iris.meansd <-iris %>% group_by(Species) %>% summarise_at(c("Sepal.Length","Sepal.Width","Petal.Length","Petal.Width"),list(mean=mean,sd=sd),na.rm = TRUE)
iris.meansd

## # A tibble: 3 x 9
##   Species Sepal.Length_me~ Sepal.Width_mean Petal.Length_me~ Petal.Width_mean
##   <fct>              <dbl>            <dbl>            <dbl>            <dbl>
## 1 setosa              5.01             3.43             1.46            0.246
## 2 versic~             5.94             2.77             4.26            1.33 
## 3 virgin~             6.59             2.97             5.55            2.03 
## # ... with 4 more variables: Sepal.Length_sd <dbl>, Sepal.Width_sd <dbl>,
## #   Petal.Length_sd <dbl>, Petal.Width_sd <dbl>

iris.meansd <- iris.meansd %>% gather(-Species,key=parameters,value=value)
iris.meansd

## # A tibble: 24 x 3
##    Species    parameters        value
##    <fct>      <chr>             <dbl>
##  1 setosa     Sepal.Length_mean 5.01 
##  2 versicolor Sepal.Length_mean 5.94 
##  3 virginica  Sepal.Length_mean 6.59 
##  4 setosa     Sepal.Width_mean  3.43 
##  5 versicolor Sepal.Width_mean  2.77 
##  6 virginica  Sepal.Width_mean  2.97 
##  7 setosa     Petal.Length_mean 1.46 
##  8 versicolor Petal.Length_mean 4.26 
##  9 virginica  Petal.Length_mean 5.55 
## 10 setosa     Petal.Width_mean  0.246
## # ... with 14 more rows

iris.meansd <- iris.meansd %>% separate(parameters,c("Variable","fonction"),sep="_") 
iris.meansd

## # A tibble: 24 x 4
##    Species    Variable     fonction value
##    <fct>      <chr>        <chr>    <dbl>
##  1 setosa     Sepal.Length mean     5.01 
##  2 versicolor Sepal.Length mean     5.94 
##  3 virginica  Sepal.Length mean     6.59 
##  4 setosa     Sepal.Width  mean     3.43 
##  5 versicolor Sepal.Width  mean     2.77 
##  6 virginica  Sepal.Width  mean     2.97 
##  7 setosa     Petal.Length mean     1.46 
##  8 versicolor Petal.Length mean     4.26 
##  9 virginica  Petal.Length mean     5.55 
## 10 setosa     Petal.Width  mean     0.246
## # ... with 14 more rows

iris.meansd <- iris.meansd %>% spread(fonction,value) 
iris.meansd

## # A tibble: 12 x 4
##    Species    Variable      mean    sd
##    <fct>      <chr>        <dbl> <dbl>
##  1 setosa     Petal.Length 1.46  0.174
##  2 setosa     Petal.Width  0.246 0.105
##  3 setosa     Sepal.Length 5.01  0.352
##  4 setosa     Sepal.Width  3.43  0.379
##  5 versicolor Petal.Length 4.26  0.470
##  6 versicolor Petal.Width  1.33  0.198
##  7 versicolor Sepal.Length 5.94  0.516
##  8 versicolor Sepal.Width  2.77  0.314
##  9 virginica  Petal.Length 5.55  0.552
## 10 virginica  Petal.Width  2.03  0.275
## 11 virginica  Sepal.Length 6.59  0.636
## 12 virginica  Sepal.Width  2.97  0.322

Maintenant que nous avons le tableau de données au bon format, nous allons réaliser le diagramme en bâton à l’aide de la fonction geom_bar(). Nous allons également ajouter les barres d’erreurs à l’aide de la fonction geom_errorbar().

graph4 <- ggplot(iris.meansd,aes(x=Species,y=mean,ymin=mean-sd,ymax=mean+sd))+geom_bar(stat="identity")+geom_errorbar()
graph4

Comme vous pouvez le voir, il y a un problème dans la représentation car nous avons 4 barres d’erreur qui se retrouve dans les bâtons de chaque espèce. Nous avons oublié de réaliser un graphique pour chaque variable "Sepal.Length","Sepal.Width","Petal.Length","Petal.Width". Pour cela, à l’objet graph4nous devons ajouter la fonction facet_grid().

graph5 <- graph4+facet_grid(.~Variable)+ ylab("Moyenne ± Ecart-type")+xlab("Espèces")
graph5

5 Utilisation de ggplot2

5.1 Qu’est ce que ggplot2?

5.2 Comment utiliser ggplot2?