fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données


Description

Cette fonction peut être utilisée pour visualiser la qualité de réprésentation (cos2) 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_cos2() [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_cos2(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.

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)
# cos2 des variables sur l'axe 1
fviz_cos2(res.pca, choice="var", axes = 1 )

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# trie
fviz_cos2(res.pca, choice="var", axes = 1,
           sort.val ="asc")

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# Sélectionner le top 7 des variables
fviz_cos2(res.pca, choice="var", axes = 1, top = 7 )

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# Changer le thème et la couleur
fviz_cos2(res.pca, choice="var", axes = 1,
         fill = "lightgray", color = "black") +
         theme_minimal() +
         theme(axis.text.x = element_text(angle=45))

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# cos2 des variables sur l'axe 2
fviz_cos2(res.pca, choice="var", axes = 2)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# cos2 des variables sur les axes 1 + 2
fviz_cos2(res.pca, choice="var", axes = 1:2)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# cos2 des individus sur l'axe 1
fviz_cos2(res.pca, choice="ind", axes = 1)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

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)
# cos2 des lignes sur l'axe 1
fviz_cos2(res.ca, choice ="row", axes = 1)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# cos2 des lignes sur les axe 1 + 2
fviz_cos2(res.ca, choice ="row", axes = 1:2)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# cos2 des colonnes sur l'axe 1
fviz_cos2(res.ca, choice ="col", axes = 1)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

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)
# cos2 des individus sur l'axe 1
fviz_cos2(res.mca, choice ="ind", axes = 1)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# Sélectionner les top 20
fviz_cos2(res.mca, choice ="ind", axes = 1, top = 20)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

# cos2 des variables sur l'axe 1
fviz_cos2(res.mca, choice ="var", axes = 1)

fviz_cos2: Visualisation de la qualité de représentation des lignes/colonnes - Logiciel R et analyse de données

Infos

Cette analyse a été réalisée en utilisant le logiciel R (ver. 3.2.1) 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
factoextra: Réduire le chevauchement des points et des annotations - 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

Cette page a été vue 610 fois
Licence - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions
Licence Creative Commons