Visualisations

Cours 2

Andreas Eich

Université de la Polynésie française
UE 6.7 Biostatistiques 2

Résumé du cours précédent

• Introduction à R
• Qu’est-ce que les objets et les fonctions ?
• Résumés de base des données
• Différents types de données

Données « tidy »

• Une variable est une quantité, une qualité ou une propriété que vous pouvez mesurer.

  Exemple : Longueur de la nageoire

• Une valeur est l’état d’une variable lorsque vous la mesurez. La valeur d’une variable peut changer d’une mesure à l’autre.

  Exemple : longueur des nageoires du manchot 1 = 181 mm

Données « tidy »

• Une observation est un ensemble de mesures effectuées dans des conditions similaires. Une observation contient plusieurs valeurs, chacune étant associée à une variable différente.

  Exemple: une ligne dans les données des manchots pour la longueur du bec, la longueur de la nageoire, la masse corporelle, etc. d’un manchot

• Les données tabulaires sont un ensemble de valeurs, chacune étant associée à une variable et à une observation. Les données tabulaires sont « tidy » si chaque valeur est placée dans sa propre « cellule », chaque variable dans sa propre colonne et chaque observation dans sa propre ligne.

Données « tidy »

1. Chaque variable doit avoir sa propre colonne

2. Chaque observation doit avoir sa propre ligne

3. Chaque valeur doit avoir sa propre cellule

Fonctions R

Les fonctions prennent des arguments en entrée. Ils peuvent être nommés :

mean(x = penguins$bill_length_mm)

[1] 43.99279

Ou non nommés :

mean(penguins$bill_length_mm)

[1] 43.99279

Fonctions R

Certaines fonctions prennent plusieurs arguments

seq(from = 1, to = 5)

[1] 1 2 3 4 5

L’ordre peut être modifié avec des arguments nommés

seq(to = 5, from = 1)

[1] 1 2 3 4 5

Si non nommés, l’ordre par défaut est supposé

seq(1, 5)

[1] 1 2 3 4 5

Mais maintenant, R comprend : Séquence de 5 à 1 :

seq(5, 1)

[1] 5 4 3 2 1

Utilisez des arguments nommés pour rendre le code plus clair

Fonctions R

Read the documentation of a function by running
?function_name

?seq

Pourquoi visualiser ?

Données brutes

x	y
55.3846	97.1795
51.5385	96.0256
46.1538	94.4872
42.8205	91.4103
40.7692	88.3333
38.7179	84.8718
35.6410	79.8718
33.0769	77.5641
28.9744	74.4872
26.1538	71.4103
23.0769	66.4103
22.3077	61.7949
22.3077	57.1795
23.3333	52.9487
25.8974	51.0256

Résumé

X Mean	54.26
Y Mean	47.83
X SD	16.77
Y SD	26.94
Corr	−0.06

Pourquoi visualiser ?

“Grammaire des graphiques”

Esthétique

• Propriété visuelle d’un graphique
• Position, forme, couleur, etc.

Données

• Une colonne dans un jeu de données

Associer les données aux esthétiques

species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	year
Adelie	Torgersen	39.1	18.7	181	3750	male	2007
Adelie	Torgersen	39.5	17.4	186	3800	female	2007
Adelie	Torgersen	40.3	18.0	195	3250	female	2007
Adelie	Torgersen	36.7	19.3	193	3450	female	2007
Adelie	Torgersen	39.3	20.6	190	3650	male	2007
Adelie	Torgersen	38.9	17.8	181	3625	female	2007
Adelie	Torgersen	39.2	19.6	195	4675	male	2007
Adelie	Torgersen	41.1	17.6	182	3200	female	2007
Adelie	Torgersen	38.6	21.2	191	3800	male	2007
Adelie	Torgersen	34.6	21.1	198	4400	male	2007
Adelie	Torgersen	36.6	17.8	185	3700	female	2007
Adelie	Torgersen	38.7	19.0	195	3450	female	2007
Adelie	Torgersen	42.5	20.7	197	4500	male	2007
Adelie	Torgersen	34.4	18.4	184	3325	female	2007
Adelie	Torgersen	46.0	21.5	194	4200	male	2007
Adelie	Biscoe	37.8	18.3	174	3400	female	2007
Adelie	Biscoe	37.7	18.7	180	3600	male	2007
Adelie	Biscoe	35.9	19.2	189	3800	female	2007
Adelie	Biscoe	38.2	18.1	185	3950	male	2007
Adelie	Biscoe	38.8	17.2	180	3800	male	2007
Adelie	Biscoe	35.3	18.9	187	3800	female	2007
Adelie	Biscoe	40.6	18.6	183	3550	male	2007
Adelie	Biscoe	40.5	17.9	187	3200	female	2007
Adelie	Biscoe	37.9	18.6	172	3150	female	2007
Adelie	Biscoe	40.5	18.9	180	3950	male	2007
Adelie	Dream	39.5	16.7	178	3250	female	2007
Adelie	Dream	37.2	18.1	178	3900	male	2007
Adelie	Dream	39.5	17.8	188	3300	female	2007

Associer les données aux esthétiques

Associer les données aux esthétiques

Données	Esthétique	Géométrie
Longueur du bec	Position (axe-x)	Point
Masse corporelle	Position (axe-y)	Point
Espèce	Couleur	Point

Associer les données aux esthétiques

Data	aes()	geom
bill_length_mm	x	geom_point()
body_mass_g	y	geom_point()
species	colour	geom_point()

ggplot()

Configurer les données et les esthétiques

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species))

ggplot()

Ajouter “geom”

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species)) + 
  geom_point()

ggplot()

Utiliser des couleurs personnalisées

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species)) + 
  geom_point() +
  scale_colour_manual(values = c("darkgreen", 
                                 "darkblue", 
                                 "darkred"))

ggplot()

Utiliser des couleurs personnalisées

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species)) + 
  geom_point() +
  scale_color_viridis_d()

ggplot()

Étiquettes

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species)) + 
  geom_point() +
  scale_color_viridis_d() + 
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce")

ggplot()

Changer le style

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species)) +
  geom_point() + 
  scale_color_viridis_d() + 
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce") + 
  theme_light()

ggplot()

Changer le style

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species)) +
  geom_point() + 
  scale_color_viridis_d() + 
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce") + 
  theme_classic()

ggplot()

Changer le style

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species)) +
  geom_point() + 
  scale_color_viridis_d() + 
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce") + 
  theme_classic() + 
  theme(legend.position = "bottom")

ggplot()

Data	aes()	geom
bill_length_mm	x	geom_point()
body_mass_g	y	geom_point()
species	colour	geom_point()
species	shape	geom_point()

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = bill_length_mm, 
                     y = body_mass_g, 
                     color = species, 
                     shape = species)) + 
  geom_point() + 
  scale_color_viridis_d() + 
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce",
       shape = "Espèce") + 
  theme_classic()

Autres visualisations

Data	aes()	geom
species	x	geom_boxplot()
body_mass_g	y	geom_boxplot()
species	colour	geom_boxplot()

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = species, 
                     y = body_mass_g, 
                     color = species)) + 
  geom_boxplot() + 
  scale_color_viridis_d() + 
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce") + 
  theme_classic() + 
  theme(legend.position = "bottom")

Autres visualisations

Combiner les graphiques

# fmt: skip

ggplot(data = penguins,
       mapping = aes(x = species, 
                     y = body_mass_g, 
                     color = species)) + 
  geom_boxplot() + 
  geom_jitter() + 
  scale_color_viridis_d() + 
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce") + 
  theme_classic() + 
  theme(legend.position = "bottom")

Autres visualisations

Combiner les graphiques

# fmt: skip

ggplot(data = penguins, 
       mapping = aes(x = species, 
                     y = body_mass_g, 
                     color = species,
                     fill = species)) + 
  geom_jitter() +
  geom_violin(alpha = .5) +
  scale_color_viridis_d() +
  scale_fill_viridis_d() +
  labs(x = "Longueur du bec (mm)", 
       y = "Masse corporelle (g)", 
       colour = "Espèce",
       fill = "Espèce") + 
  theme_classic() + 
  theme(legend.position = "bottom")

Exemples : Uniquement des valeurs numériques

Exemples : Uniquement des valeurs numériques

Exemples : Uniquement des valeurs catégorielles

Exemples : Valeurs numériques et catégorielles

Exemples : Valeurs numériques et catégorielles

À vous de jouer

1. Allez sur le site du cours
2. Allez au calendrier
3. Cliquez sur TP 02
4. Connectez-vous à Posit Cloud

andieich.github.io/2026_biostatistiques_2