fviz_contrib - Visualisation des contributions - Logiciel R et analyse de données
Description
Cette fonction peut être utilisée pour visualiser les contributions des lignes/colonnes à partir des résultats des fonctions, d’analyse en composante principale (ACP), d’analyse factorielle des correspondances simples (AFC) et d’analyse des correspondences multiples (ACM), issues de différents packages R.
La fonction fviz_contrib() [dans le package factoextra] est utilisée.
Installer et charger factoextra
Le package devtools est requis pour l’installation de factoextra.
if(!require(devtools)) install.packages("devtools")
devtools::install_github("kassambara/factoextra")
Charger factoextra:
library("factoextra")
Utilisation
fviz_contrib(X, choice = c("row", "col", "var", "ind"),
axes = 1, fill = "steelblue", color = "steelblue",
sort.val = c("desc", "asc", "none"), top = Inf)
Arguments
Argument | Description |
---|---|
X | Un objet de classe PCA, CA et MCA [FactoMineR]; prcomp et princomp [stats]; dudi, pca, coa et acm [ade4]; ca et mjca [ca package]. |
choice | Les valeurs possibles sont “row” et “col” pour l’AFC; “var” et “ind” pour l’APC ou l’ACM. |
axes | un vecteur numérique précisant les axes d’intérêt. La valeur par défaut est axes = 1 pour l’axe 1. |
fill | Couleur de remplissage du bar plot. |
color | Couleur de bordure pour le bar plot. |
sort.val | une chaîne de caractère spécifiant si la valeur doit être triée. Les valeurs autorisées sont “none” (aucun tri), “asc” (par ordre croissant) ou “desc” (pour la descente). |
top | une valeur numérique indiquant le nombre de top éléments à afficher. |
… | non utilisé. |
Détails
La fonction fviz_contrib() crée un bar plot des contributions des lignes/colonnes. Une ligne de référence, en pointillés, est également représentée sur le bar plot. Cette ligne de référence correspond à la valeur attendue si la contribution des éléments était uniforme.
Pour une dimension donnée, toute ligne/colonne avec une contribution au dessus de la ligne de référence peut être considérée comme importante dans la contribution à la dimension en question.
Valeur
Un graphique de type ggplot2
Exemples
Analyse en composante principale
Une analyse en composantes principales (ACP) est effectuée en utilisant la fonction intégrée de R prcomp() et le jeu de données decathlon2 [dans factoextra]:
data(decathlon2)
decathlon2.active <- decathlon2[1:23, 1:10]
res.pca <- prcomp(decathlon2.active, scale = TRUE)
# Contribution des variables à l'axe 1
fviz_contrib(res.pca, choice="var", axes = 1 )
# Trie
fviz_contrib(res.pca, choice="var", axes = 1,
sort.val ="asc")
# Sélectionner le top 7 des variables contribuant le plus
fviz_contrib(res.pca, choice="var", axes = 1, top = 7 )
# Changer le thème et la couleur
fviz_contrib(res.pca, choice="var", axes = 1,
fill = "lightgray", color = "black") +
theme_minimal() +
theme(axis.text.x = element_text(angle=45))
# Contribution des variables à l'axe 2
fviz_contrib(res.pca, choice="var", axes = 2)
# Contribution des variables aux axes 1 + 2
fviz_contrib(res.pca, choice="var", axes = 1:2)
# Contribution des individus à l'axe 1
fviz_contrib(res.pca, choice="ind", axes = 1)
Analyse des correspondences
La fonction CA() dans le package FactoMineR est utilisée:
# Installer et charger FactoMineR pour effectuer une CA
# install.packages("FactoMineR")
library("FactoMineR")
data("housetasks")
res.ca <- CA(housetasks, graph = FALSE)
# Contribution des lignes à l'axe 1
fviz_contrib(res.ca, choice ="row", axes = 1)
# Contribution des lignes à l'axe 1 + 2
fviz_contrib(res.ca, choice ="row", axes = 1:2)
# Contribution des colonnes à l'axe 1
fviz_contrib(res.ca, choice ="col", axes = 1)
Analyse des correspondances multiples
La fonction MCA() dans le package FactoMineR est utilisée:
library(FactoMineR)
data(poison)
res.mca <- MCA(poison, quanti.sup = 1:2,
quali.sup = 3:4, graph=FALSE)
# Contribution des individus à l'axe 1
fviz_contrib(res.mca, choice ="ind", axes = 1)
# Sélectionner les top 20
fviz_contrib(res.mca, choice ="ind", axes = 1, top = 20)
# Contribution des variables à l'axe 1
fviz_contrib(res.mca, choice ="var", axes = 1)
Infos
Cette analyse a été réalisée en utilisant le logiciel R (ver. 3.2.1) et factoextra (ver. 1.0.3)
Show me some love with the like buttons below... Thank you and please don't forget to share and comment below!!
Montrez-moi un peu d'amour avec les like ci-dessous ... Merci et n'oubliez pas, s'il vous plaît, de partager et de commenter ci-dessous!