factoextra: Réduire le chevauchement des points et des annotations - Logiciel R et analyse de données


Pour réduire le chevauchement, l’argument jitter est utilisé dans les fonctions fviz_pca_xx(), fviz_ca_xx() et fviz_mca_xx() disponible dans le package R factoextra.

L’argument jitter est une liste contenant les objets what, width et height (Ex.; jitter = list(what, width, height)):

  • what: l’élément à ajuster. Les valeurs possibles sont “point” ou “p”; “label” ou “l”; “both” ou “b”.
  • width: degré d’ajustement selon l’axe des x (ex: 0.2).
  • height: degré d ’ajustement selon l’axe des y (ex: 0.2).

Quelques exemples d’utilisation sont décrits dans les sections suivantes.

Installez les package nécessaires

  • FactoMineR: pour effectuer une ACP (Analyse en Composante Principale), une AFC (Analyse Factorielle des Correspondences simples) et une ACM (Analyse des Correspondences Multiples)
  • factoextra: pour la visualisation des résultats de FactoMineR

Les packages FactoMineR et factoextra peuvent être installés comme suit:

install.packages("FactoMineR")
# install.packages("devtools")
devtools::install_github("kassambara/factoextra")

Charger FactoMineR et factoextra

library("FactoMineR")
library("factoextra")

Analyse des correspondences multiples (ACM)

# Charger les données
data(poison)
poison.active <- poison[1:55, 5:15]
# Effectuer une ACM
res.mca <- MCA(poison.active, graph = FALSE)
# Graphique par défaut
fviz_mca_ind(res.mca)

factoextra: Réduire le chévauchement des points et des annotations - Logiciel R et analyse de données

# Utiliser jitter pour réduire le chévauchement des points
# Seulement, les annotations sont ajustées
fviz_mca_ind(res.mca, jitter = list(what = "label",
                                    width = 0.1, height = 0.15))

factoextra: Réduire le chévauchement des points et des annotations - Logiciel R et analyse de données

# Ajustement des points et annotations
fviz_mca_ind(res.mca, jitter = list(what = "both", 
                                    width = 0.1, height = 0.15))

factoextra: Réduire le chévauchement des points et des annotations - Logiciel R et analyse de données

Analyse factorielle des correspondences (AFC)

# Charger les données
data("housetasks")
# Effectuer une AFC
res.ca <- CA(housetasks, graph = FALSE)
# Biplot par défaut
fviz_ca_biplot(res.ca)

factoextra: Réduire le chévauchement des points et des annotations - Logiciel R et analyse de données

# Ajustement selon l'axe des y
fviz_ca_biplot(res.ca, jitter = list(what = "label", 
                                     width = 0.4, height = 0.3))

factoextra: Réduire le chévauchement des points et des annotations - Logiciel R et analyse de données

Analyse en composante principale (ACP)

# Charger les données
data(decathlon2)
decathlon2.active <- decathlon2[1:23, 1:10]
# Effectuer une ACP
res.pca <- PCA(decathlon2.active, graph = FALSE)
# Biplot par défaut
fviz_pca_ind(res.pca)

factoextra: Réduire le chévauchement des points et des annotations - Logiciel R et analyse de données

# justement selon l'axe des x
fviz_pca_ind(res.pca, jitter = list(what = "label", 
                                    width = 0.6, height = 0.6))

factoextra: Réduire le chévauchement des points et des annotations - Logiciel R et analyse de données

Infos

Cette analyse a été réalisée en utilisant le logiciel R (ver. 3.2.1), FactoMineR (ver. 1.31.3) et factoextra (ver. 1.0.3)







Want to Learn More on R Programming and Data Science?

==> Subscribe to our Mailing List <==

You will receive, by e-mail, a copy of the "Guide to Create Beautiful Graphics in R"
* indicates required


 Get involved :
  Click to follow us on and Google+ :   
  Comment this article by clicking on "Discussion" button (top-right position of this page)
  Sign up as a member and post news and articles on STHDA web site.


Suggestions


fviz_pca: Visualisation de l'Analyse en Composante Principale - Logiciel R et analyse de données
fviz_mca: Visualisation de l'Analyse des Correspondances Multiples - Logiciel R et analyse de données
fviz_ca: Visualisation de l'Analyse Factorielle des Correspondances simples avec factoextra - Logiciel R et analyse de données
Valeurs propres: visualisation de données avec factoextra - Logiciel R et analyse de données
fviz_contrib - Visualisation des contributions - Logiciel R et analyse de données
get_pca: Extraire les résultats de l'analyse en composante principale - Logiciel R et analyse de données
factoextra: Analyse et visualisation de données multivariées
get_mca: Extraire les résultats de l'analyse des correspondances multiples - Logiciel R et analyse de données
facto_summarize - Extraire et synthétiser les résultats d'analyse factorielle - Logiciel R et analyse de données
get_ca: Extraire les résultats pour les lignes/colonnes de l'analyse des correspondances - Logiciel R et analyse de données
fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

Cette page a été vue 1186 fois
Licence - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions
Licence Creative Commons