Cr?er des donn?es

Poids de 200 personnes en pouces ( 1 pouce = 2.5 cm) :

set.seed(1234)
df <- data.frame(height = round(rnorm(200, mean=60, sd=15)))
head(df)

##   height
## 1     42
## 2     64
## 3     76
## 4     25
## 5     66
## 6     68

Graphiques ECDF

library(ggplot2)

ggplot(df, aes(height)) + stat_ecdf(geom = "point")

ggplot(df, aes(height)) + stat_ecdf(geom = "step")

Pour une valeur donn?e, par exemple height = 50, vous pouvez constater qu?environ 25% des individus sont plus petits que 50 pouces.

Graphique ECDF personnalis?

# Basic ECDF plot
ggplot(df, aes(height)) + stat_ecdf(geom = "step")+
labs(title="Empirical Cumulative \n Density Function",
     y = "F(height)", x="Height in inch")+
theme_classic()

Infos

Cette analyse a ?t? faite en utilisant le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Pr?parer les donn?es

Le jeu de donn?es mtcars est utilis? dans les exemples ci-dessous.

# Convertir la colonne cyl en variable de type facteur
mtcars$cyl <- as.factor(mtcars$cyl)
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Nuage de points simples

Des nuages de points simples sont cr??s en utilisant le code de R ci-dessous. La couleur, la taille et la forme des points peuvent ?tre modifi?es en utilisant la fonction geom_point() comme suit:

geom_point(size, color, shape)

library(ggplot2)

# Nuage de points simples
ggplot(mtcars, aes(x=wt, y=mpg)) + geom_point()

# Changer la taille et la forme
ggplot(mtcars, aes(x=wt, y=mpg)) +
  geom_point(size=2, shape=23)

Notez que, la taille des points peut ?tre contr?l?e en fonction des valeurs d?une variable continue comme dans l?exemple ci-dessous.

# Changer la taille des points
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point(aes(size=qsec))

Lire plus sur la taille des points : ggplot2 taille des points

Annoter les points

La fonction geom_text() peut ?tre utilis?e:

ggplot(mtcars, aes(x=wt, y=mpg)) +
  geom_point() + 
  geom_text(label=rownames(mtcars))

Lire plus sur les annotations de textes : ggplot2 - ajoouter du texte au graphique

geom_smooth(method="auto", se=TRUE, fullrange=FALSE, level=0.95)

# Ajouter la droite de regression
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth(method=lm)

# Supprimer l'intervalle de confiance
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth(method=lm, se=FALSE)

# La m?thode "Loess"
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth()

# Changer la couleur et la forme des points
# Changer le type de trait et la couleur
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point(shape=18, color="blue")+
  geom_smooth(method=lm, se=FALSE, linetype="dashed",
             color="darkred")

# Changer la couleur de remplissage de l'intervalle de confiance
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point(shape=18, color="blue")+
  geom_smooth(method=lm,  linetype="dashed",
             color="darkred", fill="blue")

Nuage de points avec plusieurs groupes

Cette section d?crit comment changer les couleurs et les types de points automatiquement et manuellement.

# Changer le type de points en fonction des niveaux de cyl
ggplot(mtcars, aes(x=wt, y=mpg, shape=cyl)) +
  geom_point()

# Changer le type et la couleur
ggplot(mtcars, aes(x=wt, y=mpg, shape=cyl, color=cyl)) +
  geom_point()

# Changer le type, la couleur et la taille
ggplot(mtcars, aes(x=wt, y=mpg, shape=cyl, color=cyl, size=cyl)) +
  geom_point()

# Ajouter des lignes de r?gression
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm)

# Supprimer les intervalles de confiance
# Etendre les droites de r?gression
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)

ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, aes(fill=cyl))

# Changer le type de points et la couleur manuellement
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  scale_shape_manual(values=c(3, 16, 17))+ 
  scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+
  theme(legend.position="top")
  
# Changer la taille des points manuellement
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl))+
  geom_point(aes(size=cyl)) + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  scale_shape_manual(values=c(3, 16, 17))+ 
  scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+
  scale_size_manual(values=c(2,3,4))+
  theme(legend.position="top")

p <- ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  theme_classic()

# Utiliser les palettes brewer
p+scale_color_brewer(palette="Dark2")

# Utiliser les couleurs grises
p + scale_color_grey()

Ajoutter la densit? marginale

La fonction geom_rug() peut ?tre utilis?e:

geom_rug(sides ="bl")

sides : c?t? sur lequel il faudrait ajouter la densit?. La valeur possible est une cha?ne de caract?re contenant l?un des ?l?ments ?trbl?, pour top (haut), right (droite), bottom (bas), et left (gauche).

# Ajouter la densit? marginale
ggplot(mtcars, aes(x=wt, y=mpg)) +
  geom_point() + geom_rug()

# Changer les couleurs
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl)) +
  geom_point() + geom_rug()

# Utiliser le jeu de donn?es faithful
ggplot(faithful, aes(x=eruptions, y=waiting)) +
  geom_point() + geom_rug()

Nuage de points avec estimation de la densit? 2d

Les fonctions geom_density_2d() ou stat_density_2d() peuvent ?tre utilis?es:

# Nuage de points avec estimation de la densit? 2d
sp <- ggplot(faithful, aes(x=eruptions, y=waiting)) +
  geom_point()
sp + geom_density_2d()

# Gradient de couleur
sp + stat_density_2d(aes(fill = ..level..), geom="polygon")

# Changer le gradient de couleur
sp + stat_density_2d(aes(fill = ..level..), geom="polygon")+
  scale_fill_gradient(low="blue", high="red")

Lire plus sur ggplot2 et couleurs : ggplot2 couleurs

Nuage de points avec ellipese

La fonction stat_ellipse() peut ?tre utilis?e comme suit:

# Une ellipse autour de tous les points
ggplot(faithful, aes(waiting, eruptions))+
  geom_point()+
  stat_ellipse()
# Ellipses par groupes
p <- ggplot(faithful, aes(waiting, eruptions, color = eruptions > 3))+
  geom_point()
p + stat_ellipse()
# Changer le type d'ellipses: 
# Valeurs possibles "t", "norm", "euclid"
p + stat_ellipse(type = "norm")

Nuage de points avec des decoupes rectangulaires

Le nombre d?observations est compt? dans chaque d?coupe et affich? en utilisant l?un des fonctions suivantes:

• geom_bin2d() pour ajouter un heatmap du comptage dans les d?coupes 2d
• stat_bin_2d() pour le comptage du nombre d?observation dans les d?coupes rectangulaires
• stat_summary_2d() pour appliquer des fonctions statistiques sur les d?coupes 2d

Les formats simplifi?s de ces fonctions sont:

plot + geom_bin2d(...)

plot+stat_bin_2d(geom=NULL, bins=30)

plot + stat_summary_2d(geom = NULL, bins = 30, fun = mean)

• geom : l?objet g?om?trique ? afficher
• bins : Nombre de d?coupes verticale et horizontale. La valeur par d?faut est 30
• fun : fonction pour une description statistique

Le jeux e donn?es diamonds, dans le package ggplot2, est utilis? :

head(diamonds)

##   carat       cut color clarity depth table price    x    y    z
## 1  0.23     Ideal     E     SI2  61.5    55   326 3.95 3.98 2.43
## 2  0.21   Premium     E     SI1  59.8    61   326 3.89 3.84 2.31
## 3  0.23      Good     E     VS1  56.9    65   327 4.05 4.07 2.31
## 4  0.29   Premium     I     VS2  62.4    58   334 4.20 4.23 2.63
## 5  0.31      Good     J     SI2  63.3    58   335 4.34 4.35 2.75
## 6  0.24 Very Good     J    VVS2  62.8    57   336 3.94 3.96 2.48

# Graphique
p <- ggplot(diamonds, aes(carat, price))
p + geom_bin2d()

Changer le nombre de d?coupes:

# Changer le nombre de d?coupes
p + geom_bin2d(bins=10)

Ou sp?cifie la largeur des d?coupes:

# Sp?cifier la largeur des d?coupes
p + geom_bin2d(binwidth=c(1, 1000))

Nuage de point avec distribution marginale

Step 1/3. Cr?er des donn?es:

set.seed(1234)
x <- c(rnorm(500, mean = -1), rnorm(500, mean = 1.5))
y <- c(rnorm(500, mean = 1), rnorm(500, mean = 1.7))
group <- as.factor(rep(c(1,2), each=500))
df <- data.frame(x, y, group)
head(df)

##             x          y group
## 1 -2.20706575 -0.2053334     1
## 2 -0.72257076  1.3014667     1
## 3  0.08444118 -0.5391452     1
## 4 -3.34569770  1.6353707     1
## 5 -0.57087531  1.7029518     1
## 6 -0.49394411 -0.9058829     1

Step 2/3. Cr?er des graphiques:

# Nuage de points color?s par groupes
scatterPlot <- ggplot(df,aes(x, y, color=group)) + 
  geom_point() + 
  scale_color_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position=c(0,1), legend.justification=c(0,1))
scatterPlot


# Courbe de densit? marginale de x (panel du haut)
xdensity <- ggplot(df, aes(x, fill=group)) + 
  geom_density(alpha=.5) + 
  scale_fill_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position = "none")
xdensity

# Courbe de densit? marginale de y (panel de droite)
ydensity <- ggplot(df, aes(y, fill=group)) + 
  geom_density(alpha=.5) + 
  scale_fill_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position = "none")
ydensity

Cr?er un emplacement vide :

blankPlot <- ggplot()+geom_blank(aes(1,1))+
  theme(plot.background = element_blank(), 
   panel.grid.major = element_blank(),
   panel.grid.minor = element_blank(), 
   panel.border = element_blank(),
   panel.background = element_blank(),
   axis.title.x = element_blank(),
   axis.title.y = element_blank(),
   axis.text.x = element_blank(), 
   axis.text.y = element_blank(),
   axis.ticks = element_blank()
     )

Step 3/3. Regrouper les graphiques:

Pour mettre plusieurs graphiques sur la m?me page, le package gridExtra peut ?tre utilis?. Installez le package comme suit:

install.packages("gridExtra")

Arranger le graphique avec des largeurs et des hauteurs adapt?es pour chaque ligne et chaque colonne:

library("gridExtra")
grid.arrange(xdensity, blankPlot, scatterPlot, ydensity, 
        ncol=2, nrow=2, widths=c(4, 1.4), heights=c(1.4, 4))

Lire plus sur comment arranger plusieurs graphiques sur la m?me page : ggplot2 - Arranger plusieurs graphiques sur la m?me page

Nuages de points personnalis?s

# Nuage de points simple
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth(method=lm, color="black")+
  labs(title="Miles per gallon \n according to the weight",
       x="Weight (lb/1000)", y = "Miles/(US) gallon")+
  theme_classic()  

# Changer la couleur/ le type par groupe
# Supprimer l'intervalle de confiance
p <- ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) + 
  geom_point()+
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  labs(title="Miles per gallon \n according to the weight",
       x="Weight (lb/1000)", y = "Miles/(US) gallon")

p + theme_classic()  

Changer les couleurs manuellement

# Couleurs continues
p + scale_color_brewer(palette="Paired") + theme_classic()

# Couleurs discr?tes
p + scale_color_brewer(palette="Dark2") + theme_minimal()

# Couleurs en gradient
p + scale_color_brewer(palette="Accent") + theme_minimal()

Lire plus sur ggplot2 et couleurs : ggplot2 couleurs

Infos

Cette analyse a ?t? faite en utilisant le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Pr?parer les donn?es

Le jeu de donn?es ToothGrowth est utilis? dans les exemples ci-dessous :

# Convertir la variable dose de type "numeric" au type "factor"
ToothGrowth$dose <- as.factor(ToothGrowth$dose)
head(ToothGrowth)

##    len supp dose
## 1  4.2   VC  0.5
## 2 11.5   VC  0.5
## 3  7.3   VC  0.5
## 4  5.8   VC  0.5
## 5  6.4   VC  0.5
## 6 10.0   VC  0.5

Assurez-vous que la variable dose soit convertie en une variable de type ?factor? en utilisant le script de R ci-dessus.

Exemple de graphes

library(ggplot2)
p <- ggplot(ToothGrowth, aes(x=dose, y=len)) + geom_boxplot()
p

Fonctions rapides pour changer le th?me

Plusieurs fonctions sont disponibles dans le package ggplot2 pour changer rapidement le th?me des graphes:

• theme_gray : couleur de fond grise et grille blanche
• theme_bw : couleur de fond blanche et grille grise

p + theme_gray(base_size = 14)

p + theme_bw()

• theme_linedraw: traits noirs autour du graphique
• theme_light: traits et axes l?g?rement gris (plus d?attention accord?e aux donn?es)

p + theme_linedraw()

p + theme_light()

• theme_minimal: pas de couleur de fond
• theme_classic : th?me avec les traits des axes mais pas de grilles

p + theme_minimal()

p + theme_classic()

• theme_void: Th?me vide, util pour des graphs avec des coordonn?es non-standard ou pour dessiner
• theme_dark(): Th?me avec un arri?re plan noir, design? pour faire ressortir les couleurs.

p + theme_void()

p + theme_dark()

ggplot2 background color, theme_void and theme_dark, R programming

Les fonctions theme_xx() peuvent prendre les deux arguments ci-dessous:

• base_size : taille de base de la police (pour changer la taille de tous les ?l?ments textuels sur le graphique)
• base_family : famille de police

La taille, de tous ?l?ments textuels du graphe, peut ?tre chang?e facilement en une seule fois :

# Exemple 1
theme_set(theme_gray(base_size = 20))
ggplot(ToothGrowth, aes(x=dose, y=len)) + geom_boxplot()

# Exemple 2
ggplot(ToothGrowth, aes(x=dose, y=len)) + geom_boxplot()+
  theme_classic(base_size = 25)

Notez que, la fonction theme_set() modifie le th?me pour toute la dur?e de la session.

Personnaliser l?arri?re plan du graphique

La fonction theme() est utilis?e pour contr?ler les ?l?ments graphiques incluant :

• Les ?l?ments lin?aires : traits des axes, traits des grilles mineur et majeur, bordure du panneau graphique, graduation des axes, couleurs de fond, etc.
• Les ?l?ments textuels : titre du graphique et des axes, titre et textes de la l?gende, les ?tiquettes des graduations des axes, etc.
• Les ?l?ments rectangualaires : arri?re plan du graphique, du panneau et de la l?gende, etc.

Il existe une fonction sp?cifique pour modifier chacun de ces trois ?l?ments:

• element_line() pour modifier les ?l?ments lin?aires du th?me
• element_text() pour modifier les ?l?ments textuels
• element_rect() pour changer l?apparence des ?l?ments rectangulaires

Notez que, chacun de ces ?l?ments de th?me peut ?tre supprim? avec la fonction element_blank()

p + theme(panel.background = element_rect(fill, colour, size, 
                                          linetype, color))

# Changer les traits des grilles mineures et majeures 
p + theme(
  panel.grid.major = element_line(colour, size, linetype,
                                   lineend, color),
  panel.grid.minor = element_line(colour, size, linetype,
                                   lineend, color)
  )

# Changer la couleur de fond du panneau en "lightblue"
# et la couleur des grilles en "white"
p + theme(
  panel.background = element_rect(fill = "lightblue",
                                colour = "lightblue",
                                size = 0.5, linetype = "solid"),
  panel.grid.major = element_line(size = 0.5, linetype = 'solid',
                                colour = "white"), 
  panel.grid.minor = element_line(size = 0.25, linetype = 'solid',
                                colour = "white")
  )

Supprimer les bordures du panneau et les grilles

Il est possible de masquer les bordures du panneau graphique et les lignes de la grille avec la fonction element_blank() comme suit:

# Masquer les bordures et les lignes de la grille
p + theme(panel.border = element_blank(),
          panel.grid.major = element_blank(),
          panel.grid.minor = element_blank())

# Masquer les bordures et les lignes de la grille
# Modifier le trait des axes
p + theme(panel.border = element_blank(),
          panel.grid.major = element_blank(),
          panel.grid.minor = element_blank(),
          axis.line = element_line(size = 0.5, linetype = "solid",
                                   colour = "black"))

ggplot2 background color, remove plot panel border, remove grid lines, R programming

p + theme(plot.background = element_rect(fill = "darkblue"))

Utiliser un th?me personnalis?

Vous pouvez changer enti?rement l?apparence d?un graphique en utilisant des th?mes personnalis?s. Jeffrey Arnold a d?velopp? le package ggthemes contenant des th?mes personnalis?s.

Pour utiliser ces th?mes installer et charger le package ggthemes comme suit:

install.packages("ggthemes") # Installer 
library(ggthemes) # Charger

Le package ggthemes fournit de nombreux th?mes pour ggplot2.

theme_tufte : un th?me minimalist

# Nuage de point
ggplot(mtcars, aes(wt, mpg)) +
  geom_point() + geom_rangeframe() + 
  theme_tufte()

ggplot2 theme_tufte, logiciel R

theme_economist : th?me bas? sur des graphiques de magazines economistes

p <- ggplot(iris, aes(Sepal.Length, Sepal.Width, colour = Species))+
  geom_point()

# Utiliser l'?chelle de couleurs ?conomiste
p + theme_economist() + 
  scale_color_economist()+
  ggtitle("Iris data sets")

ggplot2 theme_economist, logiciel R

Notez que la fonction scale_fill_economist() est aussi disponible (pour le remplissage des box plots, bar plots, ?).

theme_stata: th?me bas? sur des graphiqes de types Stata

p + theme_stata() + scale_color_stata() +
  ggtitle("Iris data")

ggplot2 theme_stata, logiciel R

Les ?chelles de couleurs stata peuvent ?tre utilis?es comme suit :

scale_fill_stata(scheme = "s2color", ...)

scale_color_stata(scheme = "s2color", ...)

Les valeurs possibles pour l?argument scheme sont ?s2color?, ?s1rcolor?, ?s1color?, ou ?mono?.

theme_wsj: th?me bas? sur des graphiques de types Wall Street Journal

p + theme_wsj()+ scale_colour_wsj("colors6")+
  ggtitle("Iris data")

ggplot2 theme_wsj, logiciel R

Les ?chelles de couleurs de types Wall Street Journal sont :

scale_color_wsj(palette = "colors6", ...)

scale_fill_wsj(palette = "colors6", ...)

Les valeurs possibles pour l?argument palette sont: ?rgby?, ?red_green?, ?black_green?, ?dem_rep?, ?colors6?.

theme_calc : th?me de type LibreOffice Calc

p + theme_calc()+ scale_colour_calc()+
  ggtitle("Iris data")

ggplot2 theme_calc, logiciel R

theme_hc : th?me de types Highcharts JS

p + theme_hc()+ scale_colour_hc()

ggplot2 theme_hc et logiciel R

Cr?? un th?me personnalis?

1. Vous pouvez changer le th?me pour la session R courante en utilisant la fonction theme_set() comme suit :

theme_set(theme_gray(base_size = 20))

2. Vous pouvez extraire et modifier le code R du th?me theme_gray :

theme_gray

function (base_size = 11, base_family = "") 
{
 half_line <- base_size/2
theme(
  line = element_line(colour = "black", size = 0.5, 
                      linetype = 1, lineend = "butt"), 
  rect = element_rect(fill = "white", colour = "black",
                      size = 0.5, linetype = 1),
  text = element_text(family = base_family, face = "plain",
                      colour = "black", size = base_size,
                      lineheight = 0.9,  hjust = 0.5,
                      vjust = 0.5, angle = 0, 
                      margin = margin(), debug = FALSE), 
  
  axis.line = element_blank(), 
  axis.text = element_text(size = rel(0.8), colour = "grey30"),
  axis.text.x = element_text(margin = margin(t = 0.8*half_line/2), 
                             vjust = 1), 
  axis.text.y = element_text(margin = margin(r = 0.8*half_line/2),
                             hjust = 1),
  axis.ticks = element_line(colour = "grey20"), 
  axis.ticks.length = unit(half_line/2, "pt"), 
  axis.title.x = element_text(margin = margin(t = 0.8 * half_line,
                                          b = 0.8 * half_line/2)),
  axis.title.y = element_text(angle = 90, 
                              margin = margin(r = 0.8 * half_line,
                                          l = 0.8 * half_line/2)),
  
  legend.background = element_rect(colour = NA), 
  legend.margin = unit(0.2, "cm"), 
  legend.key = element_rect(fill = "grey95", colour = "white"),
  legend.key.size = unit(1.2, "lines"), 
  legend.key.height = NULL,
  legend.key.width = NULL, 
  legend.text = element_text(size = rel(0.8)),
  legend.text.align = NULL,
  legend.title = element_text(hjust = 0), 
  legend.title.align = NULL, 
  legend.position = "right", 
  legend.direction = NULL,
  legend.justification = "center", 
  legend.box = NULL, 
  
  panel.background = element_rect(fill = "grey92", colour = NA),
  panel.border = element_blank(), 
  panel.grid.major = element_line(colour = "white"), 
  panel.grid.minor = element_line(colour = "white", size = 0.25), 
  panel.margin = unit(half_line, "pt"), panel.margin.x = NULL, 
  panel.margin.y = NULL, panel.ontop = FALSE, 
  
  strip.background = element_rect(fill = "grey85", colour = NA),
  strip.text = element_text(colour = "grey10", size = rel(0.8)),
  strip.text.x = element_text(margin = margin(t = half_line,
                                              b = half_line)), 
  strip.text.y = element_text(angle = -90, 
                              margin = margin(l = half_line, 
                                              r = half_line)),
  strip.switch.pad.grid = unit(0.1, "cm"),
  strip.switch.pad.wrap = unit(0.1, "cm"), 
  
  plot.background = element_rect(colour = "white"), 
  plot.title = element_text(size = rel(1.2), 
                            margin = margin(b = half_line * 1.2)),
  plot.margin = margin(half_line, half_line, half_line, half_line),
  complete = TRUE)
}

Notez que la fonction rel() modifie la taille de mani?re relative ? la taille de base.

Infos

Cette analyse a ?t? r?alis?e avec le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Ajouter des barres d?erreurs sur un graphique en barre et un graphique lin?aire

Pr?parer les donn?es

Le jeu de donn?es ToothGrowth est utilis?. Il d?crit l?effet de la Vitamine C sur la croissance des dents des porcs guin?ens. Trois doses de Vitamine C (0.5, 1 et 2 mg) avec chacune des m?thodes de livraison [orange juice (OJ) ou ascorbic acid (VC)] sont utilis?es:

library(ggplot2)
df <- ToothGrowth
df$dose <- as.factor(df$dose)
head(df)

##    len supp dose
## 1  4.2   VC  0.5
## 2 11.5   VC  0.5
## 3  7.3   VC  0.5
## 4  5.8   VC  0.5
## 5  6.4   VC  0.5
## 6 10.0   VC  0.5

Assurez-vous que la variable dose soit convertie en facteur en utilisant le script de R ci-dessus.

• len : Longueur des dents
• dose : Dose en milligrammes (0.5, 1, 2)
• supp : Type de suppl?ment (VC or OJ)

Dans les exemples ci-dessous, nous allons dessiner la moyenne de la longueur des dents dans chaque groupe. L??cart-type est utilis? comme barre d?erreurs sur le graphe.

Tout d?abord, la fonction ci-dessous sera utilis?e pour calculer la moyenne et l??cart type, pour la variable d?int?r?t, dans chaque groupe:

#+++++++++++++++++++++++++
# Fonction pour calculer la moyenne et l'?cart-type
# pour chaque groupe
#+++++++++++++++++++++++++
# data : une data frame
# varname: le nom de la colonne contenant la variable 
  # d'int?r?t 
# groupnames : vecteur contenant les noms des colonnes ? utiliser
  # comme des variables de grouping 
data_summary <- function(data, varname, groupnames){
  require(plyr)
  summary_func <- function(x, col){
    c(mean = mean(x[[col]], na.rm=TRUE),
      sd = sd(x[[col]], na.rm=TRUE))
  }
  data_sum<-ddply(data, groupnames, .fun=summary_func,
                  varname)
  data_sum <- rename(data_sum, c("mean" = varname))
 return(data_sum)
}

R?sum? statistique des donn?es:

df2 <- data_summary(ToothGrowth, varname="len", 
                    groupnames=c("supp", "dose"))
# Convertir dose en facteur
df2$dose=as.factor(df2$dose)
head(df2)

##   supp dose   len       sd
## 1   OJ  0.5 13.23 4.459709
## 2   OJ    1 22.70 3.910953
## 3   OJ    2 26.06 2.655058
## 4   VC  0.5  7.98 2.746634
## 5   VC    1 16.77 2.515309
## 6   VC    2 26.14 4.797731

library(ggplot2)
# Graphique par d?faut
p<- ggplot(df2, aes(x=dose, y=len, fill=supp)) + 
  geom_bar(stat="identity", color="black", 
           position=position_dodge()) +
  geom_errorbar(aes(ymin=len-sd, ymax=len+sd), width=.2,
                 position=position_dodge(.9)) 
print(p)

# Graphique fini
p+labs(title="Tooth length per dose", x="Dose (mg)", y = "Length")+
   theme_classic() +
   scale_fill_manual(values=c('#999999','#E69F00'))

# Garder seulement les barres d'?rreurs sup?rieures
 ggplot(df2, aes(x=dose, y=len, fill=supp)) + 
  geom_bar(stat="identity", color="black", position=position_dodge()) +
  geom_errorbar(aes(ymin=len, ymax=len+sd), width=.2,
                 position=position_dodge(.9)) 

# Graphique par d?faut
p<- ggplot(df2, aes(x=dose, y=len, group=supp, color=supp)) + 
  geom_line() +
  geom_point()+
  geom_errorbar(aes(ymin=len-sd, ymax=len+sd), width=.2,
                 position=position_dodge(0.05))
print(p)

# Graphique fini
p+labs(title="Tooth length per dose", x="Dose (mg)", y = "Length")+
   theme_classic() +
   scale_color_manual(values=c('#999999','#E69F00'))

# Utiliser geom_pointrange
ggplot(df2, aes(x=dose, y=len, group=supp, color=supp)) + 
geom_pointrange(aes(ymin=len-sd, ymax=len+sd))

# Utiliser geom_line()+geom_pointrange()
ggplot(df2, aes(x=dose, y=len, group=supp, color=supp)) + 
  geom_line()+
  geom_pointrange(aes(ymin=len-sd, ymax=len+sd))

Dot plot avec lepoint de la moyenne et les barres d??rreurs

Les fonctions geom_dotplot() et stat_summary() sont utilis?es :

La moyenne +/- SD peut ?tre ajout?e comme un crossbar , une barre d?erreur ou un pointrange :

p <- ggplot(df, aes(x=dose, y=len)) + 
    geom_dotplot(binaxis='y', stackdir='center')

# utiliser geom_crossbar()
p + stat_summary(fun.data="mean_sdl", fun.args = list(mult=1), 
                 geom="crossbar", width=0.5)

# Utiliser geom_errorbar()
p + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), 
        geom="errorbar", color="red", width=0.2) +
  stat_summary(fun.y=mean, geom="point", color="red")
   
# Utiliser geom_pointrange()
p + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), 
                 geom="pointrange", color="red")

Lire plus sur ggplot2 dot plots : ggplot2 dot plot

Infos

Cette analyse a ?t? faite en utilisant le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Pr?parer les donn?es

Le jeu de donn?es ToothGrowth est utilis? dans les exemples suivants :

# Convertir la colonne dose en facteur
ToothGrowth$dose <- as.factor(ToothGrowth$dose)
head(ToothGrowth)

##    len supp dose
## 1  4.2   VC  0.5
## 2 11.5   VC  0.5
## 3  7.3   VC  0.5
## 4  5.8   VC  0.5
## 5  6.4   VC  0.5
## 6 10.0   VC  0.5

Assurez-vous que la variable dose soit convertie en facteur en utilisant le script de R ci-dessus.

Dot plots basiques

library(ggplot2)
# Dot plot basique
p<-ggplot(ToothGrowth, aes(x=dose, y=len)) + 
  geom_dotplot(binaxis='y', stackdir='center')
p

# Changer dotsize (taille) et stackratio (dispersion)
ggplot(ToothGrowth, aes(x=dose, y=len)) + 
  geom_dotplot(binaxis='y', stackdir='center',
               stackratio=1.5, dotsize=1.2)

# Tourner dot plot
p + coord_flip()

Choisir les groupes ? afficher:

p + scale_x_discrete(limits=c("0.5", "2"))

Ajouter des statistiques descriptives sur un dot plot

La fonction stat_summary() peut ?tre utilis?e pour ajouter la moyenne/m?diane et plus sur un dot plot.

# dot plot avec le point de la moyenne
p + stat_summary(fun.y=mean, geom="point", shape=18,
                 size=3, color="red")

# dot plot avec le point de la m?diane
p + stat_summary(fun.y=median, geom="point", shape=18,
                 size=3, color="red")

# Ajouter un box plot basique
ggplot(ToothGrowth, aes(x=dose, y=len)) + 
  geom_boxplot()+
  geom_dotplot(binaxis='y', stackdir='center')

# Ajouter un box plot de type notch
ggplot(ToothGrowth, aes(x=dose, y=len)) + 
  geom_boxplot(notch = TRUE)+
  geom_dotplot(binaxis='y', stackdir='center')

# Ajouter un violin plot
ggplot(ToothGrowth, aes(x=dose, y=len)) + 
  geom_violin(trim = FALSE)+
  geom_dotplot(binaxis='y', stackdir='center')

p <- ggplot(ToothGrowth, aes(x=dose, y=len)) + 
    geom_dotplot(binaxis='y', stackdir='center')

p + stat_summary(fun.data="mean_sdl", fun.args = list(mult = 1), 
                 geom="crossbar", width=0.5)

p + stat_summary(fun.data=mean_sdl, fun.args = list(mult = 1), 
                 geom="pointrange", color="red")

# Fonction pour produire les 
# statistiques descriptives (moyenne et +/- sd)
data_summary <- function(x) {
   m <- mean(x)
   ymin <- m-sd(x)
   ymax <- m+sd(x)
   return(c(y=m,ymin=ymin,ymax=ymax))
}

p + stat_summary(fun.data=data_summary, color="blue")

Changer la couleur des dot plots par groupes

Dans le code R ci-dessous, la couleur de remplissage du dot plot est automatiquement contr?l?e par les niveaux de la variable dose:

# Utiliser une couleur de remplissage unique
ggplot(ToothGrowth, aes(x=dose, y=len)) + 
    geom_dotplot(binaxis='y', stackdir='center', fill="#FFAAD4")

# Changer la couleur des dot plots par groupe
p<-ggplot(ToothGrowth, aes(x=dose, y=len, fill=dose)) +
  geom_dotplot(binaxis='y', stackdir='center')
p

Il est aussi possible de changer manuellement les couleurs de remplissage du dot plot en utilisant les fonctions:

• scale_fill_manual() : pour utiliser des couleurs personnalis?es
• scale_fill_brewer() : pour utiliser les palettes de couleurs du package RColorBrewer
• scale_fill_grey() : pour utiliser la palette de couleurs grises

# Utiliser des couleurs personnalis?es
p+scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9"))

# Utiliser les palettes RColorBrewer
p+scale_fill_brewer(palette="Dark2")

# Utiliser la palette de couleurs grises
p + scale_fill_grey() + theme_classic()

Lire plus sur ggplot2 et les couleurs ici: ggplot2 couleurs

Changer la position de la l?gende

p + theme(legend.position="top")

p + theme(legend.position="bottom")

p + theme(legend.position="none") # supprimer la l?gende

Les valeurs possibles pour l?argument legend.position sont : ?left?,?top?, ?right?, ?bottom?.

Lire plus sur ggplot2 et l?gende: ggplot2 l?gende

Changer l?ordre des ?l?ments dans la l?gende

La fonction scale_x_discrete peut ?tre utilis?e pour changer l?ordre des ?l?ments en ?2?, ?0.5?, ?1? :

p + scale_x_discrete(limits=c("2", "0.5", "1"))

Dot plot avec plusieurs groupes

# Changer la couleur des dot-plots par groupe
ggplot(ToothGrowth, aes(x=dose, y=len, fill=supp)) +
  geom_dotplot(binaxis='y', stackdir='center')

# Changer la position
p<-ggplot(ToothGrowth, aes(x=dose, y=len, fill=supp)) +
  geom_dotplot(binaxis='y', stackdir='center', 
               position=position_dodge(0.8))
p

Change les couleurs du dot plot et ajouter des box plots :

# Changer les couleurs
p+scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9"))

# Ajouter des box plots
ggplot(ToothGrowth, aes(x=dose, y=len, fill=supp)) +
  geom_boxplot(fill="white")+
  geom_dotplot(binaxis='y', stackdir='center')

# Changer la position
ggplot(ToothGrowth, aes(x=dose, y=len, fill=supp)) +
  geom_boxplot(position=position_dodge(0.8))+
  geom_dotplot(binaxis='y', stackdir='center', 
               position=position_dodge(0.8))

Dot plots personnalis?s

# Dot plot basique
ggplot(ToothGrowth, aes(x=dose, y=len)) + 
  geom_boxplot()+
  geom_dotplot(binaxis='y', stackdir='center')+
  labs(title="Plot of length  by dose",x="Dose (mg)", y = "Length")+
  theme_classic()

# Changer la couleur par groupes
dp <-ggplot(ToothGrowth, aes(x=dose, y=len, fill=dose)) + 
  geom_dotplot(binaxis='y', stackdir='center')+
  labs(title="Plot of length  by dose",x="Dose (mg)", y = "Length")

dp + theme_classic()

Changer les couleurs de remplissage manuellement:

# Couleurs continues
dp + scale_fill_brewer(palette="Blues") + theme_classic()

# Couleurs discretes
dp + scale_fill_brewer(palette="Dark2") + theme_minimal()

# Gradient de couleurs
dp + scale_fill_brewer(palette="RdBu") + theme_minimal()

Lire plus sur ggplot2 et les couleurs ici: ggplot2 couleurs

Infos

Cette analyse a ?t? faite en utilisant le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Pr?parer des donn?es

Nous allons utiliser un ?chantillon du jeu de donn?es mtcars. La fonction sample() peut ?tre utilis?e pour extraire 10 lignes:

# Subset 15 rows
set.seed(1234)
ss <- sample(1:32, 10)
df <- mtcars[ss, ]

Ajouter du texte avec les fonctions geom_text et geom_label

library(ggplot2)

# Simple nuage de points
sp <- ggplot(df, aes(wt, mpg, label = rownames(df)))+
  geom_point()

# Ajouter du texte
sp + geom_text()

# Changer la taille du texte
sp + geom_text(size=6)

# Changer l'ajustement vertical et horizontal
sp +  geom_text(hjust=0, vjust=0)

# Changer la police. Valeurs possibles : 1(normal),
# 2(bold), 3(italic), 4(bold.italic)
sp + geom_text(aes(fontface=2))

• Changer la police

sp + geom_text(family = "Times New Roman")

• geom_label() fonctionne come geom_text() mais dessine un rectangle autour de chaque ?tiquette. Cela est utile lorsque les donn?es sont denses sur le graphique.

sp + geom_label()

Changer la couleur et la taille du text par groupe

Il est possible de changer l?apparence du texte en utilisant les ?aesthetics? (color, size,?) :

sp2 <- ggplot(mtcars, aes(x=wt, y=mpg, label=rownames(mtcars)))+
  geom_point()

# Colorer en fonction du groupe
sp2 + geom_text(aes(color=factor(cyl)))

# Changer la taille du texte en utilisant une variable continue
sp2 + geom_text(aes(size=wt))

sp2 + geom_text(aes(size=wt)) + scale_size(range=c(3,6))

Ajouter du texte ? un point particulier

Les fonctions geom_text() et annotate() peuvent ?tre utilis?es :

# Solution 1
sp2 + geom_text(x=3, y=30, label="Scatter plot")

# Solution 2
sp2 + annotate(geom="text", x=3, y=30, label="Scatter plot",
              color="red")

annotation_custom : Ajouter une annotation statique en haut-droite, haut-gauche, ?

Les fonctions annotation_custom() et textGrob() sont utilis?es pour ajouter des annotations statiques qui sont au m?me endroit dans tous les panels. Le package grid est n?cessaire :

library(grid)
# Cr?er un ?lement textuel
grob <- grobTree(textGrob("Scatter plot", x=0.1,  y=0.95, hjust=0,
  gp=gpar(col="red", fontsize=13, fontface="italic")))
# Ajouter au graphique
sp2 + annotation_custom(grob)

Facet : Dans le graphique ci-dessous, l?annotation est ? la m?me place (dans chaque panel) m?me si les ?chelles des axes varient.

sp2 + annotation_custom(grob)+facet_wrap(~cyl, scales="free")

ggrepel: Reduction du chevauchement des textes

Il y a deux fonctions importantes dans le package R ggrepel:

• geom_label_repel()
• geom_text_repel()

# Prendre 15 lignes
set.seed(1234)
ss <- sample(1:32, 15)
df <- mtcars[ss, ]

p <- ggplot(df, aes(wt, mpg)) +
  geom_point(color = 'red') +
  theme_classic(base_size = 10)

# Ajouter du texte avec ggplot2::geom_text
p + geom_text(aes(label = rownames(df)),
              size = 3.5)

# Utiliser ggrepel::geom_text_repel
require("ggrepel")
set.seed(42)
p + geom_text_repel(aes(label = rownames(df)),
                    size = 3.5) 

# Utiliser ggrepel::geom_label_repel and 
# Changer la couleur par groupes
set.seed(42)
p + geom_label_repel(aes(label = rownames(df),
                    fill = factor(cyl)), color = 'white',
                    size = 3.5) +
   theme(legend.position = "bottom")

genes <- read.table("https://gist.githubusercontent.com/stephenturner/806e31fce55a8b7175af/raw/1a507c4c3f9f1baaa3a69187223ff3d3050628d4/results.txt", header = TRUE)
genes$Significant <- ifelse(genes$padj < 0.05, "FDR < 0.05", "Not Sig")

ggplot(genes, aes(x = log2FoldChange, y = -log10(pvalue))) +
  geom_point(aes(color = Significant)) +
  scale_color_manual(values = c("red", "grey")) +
  theme_bw(base_size = 12) + theme(legend.position = "bottom") +
  geom_text_repel(
    data = subset(genes, padj < 0.05),
    aes(label = Gene),
    size = 5,
    box.padding = unit(0.35, "lines"),
    point.padding = unit(0.3, "lines")
  )

Infos

Cette analyse a ?t? r?alis?e avec le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Pr?parer les donn?es

Le jeu de donn?es ToothGrowth est utilis? dans les exemples ci-dessous :

# Convertir la variable dose de type "numeric" au type "factor"
ToothGrowth$dose <- as.factor(ToothGrowth$dose)
head(ToothGrowth)

##    len supp dose
## 1  4.2   VC  0.5
## 2 11.5   VC  0.5
## 3  7.3   VC  0.5
## 4  5.8   VC  0.5
## 5  6.4   VC  0.5
## 6 10.0   VC  0.5

Assurez-vous que la variable dose soit convertie en une variable de type ?factor? en utilisant le script de R ci-dessus.

Exemple de graphes

library(ggplot2)
# Box plot 
bp <- ggplot(ToothGrowth, aes(x=dose, y=len)) + geom_boxplot()
bp
# Nuage de points
sp <- ggplot(cars, aes(x = speed, y = dist)) + geom_point()
sp

Changer les limites des axes x et y

Il existe diff?rentes fonctions pour changer les limites des axes:

• xlim() et ylim()
• expand_limits()
• scale_x_continuous() et scale_y_continuous()

# Limites de l'axe des x
sp + xlim(min, max)
# Limites de l'axe des y
sp + ylim(min, max)

# Box plot : changer les limites de l'axe des y
bp + ylim(0,50)
# Nuage de points : limites des axes x et y
sp + xlim(5, 40)+ylim(0, 150)

# Fixer l'intersection des axes x et y ? (0,0)
sp + expand_limits(x=0, y=0)
# changer les limites des axes
sp + expand_limits(x=c(0,30), y=c(0, 150))

scale_x_continuous(name, breaks, labels, limits, trans)
scale_y_continuous(name, breaks, labels, limits, trans)

# Changer les ?tiquettes et les limites des axes x et y
sp + scale_x_continuous(name="Speed of cars", limits=c(0, 30)) +
  scale_y_continuous(name="Stopping distance", limits=c(0, 150))

Transformation des axes

# Nuage de points par d?faut
sp <- ggplot(cars, aes(x = speed, y = dist)) + geom_point()
sp
# Transformation log en utilisant scale_xx()
# valeurs possibles pour trans : 'log2', 'log10','sqrt'
sp + scale_x_continuous(trans='log2') +
  scale_y_continuous(trans='log2')
# Transformation sqrt
sp + scale_y_sqrt()
# Inverser les coordonn?es
sp + scale_y_reverse() 

# Valeurs possibles pour x et y : "log2", "log10", "sqrt", ...
sp + coord_trans(x="log2", y="log2")

# Echelle log2 de l'axe des y (avec espacement visuelle ?gale)
library(scales)
sp + scale_y_continuous(trans = log2_trans())
# Montrer des exposants
sp + scale_y_continuous(trans = log2_trans(),
    breaks = trans_breaks("log2", function(x) 2^x),
    labels = trans_format("log2", math_format(2^.x)))

library(scales)
# Pourcentage
sp + scale_y_continuous(labels = percent)
# dollar
sp + scale_y_continuous(labels = dollar)
# scientifique
sp + scale_y_continuous(labels = scientific)

library(MASS)
head(Animals)

##                     body brain
## Mountain beaver     1.35   8.1
## Cow               465.00 423.0
## Grey wolf          36.33 119.5
## Goat               27.66 115.0
## Guinea pig          1.04   5.5
## Dipliodocus     11700.00  50.0

library(MASS) # Acc?der aux donn?es Animals
library(scales) # Acc?der aux fonctions de transformations 
# les axes x et y sont transform?s et format?s
p2 <- ggplot(Animals, aes(x = body, y = brain)) + geom_point() +
     scale_x_log10(breaks = trans_breaks("log10", function(x) 10^x),
              labels = trans_format("log10", math_format(10^.x))) +
     scale_y_log10(breaks = trans_breaks("log10", function(x) 10^x),
              labels = trans_format("log10", math_format(10^.x))) +
     theme_bw()
# graphique log-log sans les ?tiquettes de graduations
p2
# Montrer les ?tiquettes de graduations
p2 + annotation_logticks()  

# Graduations ? gauche et ? droite
p2 + annotation_logticks(sides="lr")
# Tous les c?t?s
p2+annotation_logticks(sides="trbl")

Formater les axes pour des dates

Les fonctions scale_x_date() et scale_y_date() sont utilis?es.

df <- data.frame(
  date = seq(Sys.Date(), len=100, by="1 day")[sample(100, 50)],
  price = runif(50)
)
df <- df[order(df$date), ]
head(df)

##          date      price
## 22 2016-09-21 0.12484956
## 10 2016-09-22 0.39837832
## 40 2016-09-23 0.52704801
## 45 2016-09-25 0.05024957
## 32 2016-09-27 0.98075239
## 49 2016-09-28 0.64052733

dp <- ggplot(data=df, aes(x=date, y=price)) + geom_line()
dp

library(scales)
# Format : month/day
dp + scale_x_date(labels = date_format("%m/%d")) +
  theme(axis.text.x = element_text(angle=45))
# Format : Week
dp + scale_x_date(labels = date_format("%W"))
# Months only
dp + scale_x_date(breaks = date_breaks("months"),
  labels = date_format("%b"))

head(economics)

##         date   pce    pop psavert uempmed unemploy
## 1 1967-07-01 507.4 198712    12.5     4.5     2944
## 2 1967-08-01 510.5 198911    12.5     4.7     2945
## 3 1967-09-01 516.3 199113    11.7     4.6     2958
## 4 1967-10-01 512.9 199311    12.5     4.9     3143
## 5 1967-11-01 518.1 199498    12.5     4.7     3066
## 6 1967-12-01 525.8 199657    12.1     4.8     3018

# Graphe avec des dates
dp <- ggplot(data=economics, aes(x=date, y=psavert)) + geom_line()
dp
# Limites des axes c(min, max)
min <- as.Date("2002-1-1")
max <- max(economics$date)
dp+ scale_x_date(limits = c(min, max))

Aller plus loin

Voir aussi les fonctions scale_x_datetime() et scale_y_datetime() pour dessiner des graphiques contenant des dates et le temps.

Infos

Cette analyse a ?t? r?alis?e avec le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Installer et charger les packages n?cessaires

install.packages("gridExtra")
library("gridExtra")

install.packages("cowplot")

devtools::install_github("wilkelab/cowplot")

library("cowplot")

Pr?parer des donn?es

Le jeu de donn?es ToothGrowth peut ?tre utilis? :

df <- ToothGrowth
# Convertir la colonne dose en facteur
df$dose <- as.factor(df$dose)
head(df)

##    len supp dose
## 1  4.2   VC  0.5
## 2 11.5   VC  0.5
## 3  7.3   VC  0.5
## 4  5.8   VC  0.5
## 5  6.4   VC  0.5
## 6 10.0   VC  0.5

Cowplot: Graphs pr?t-?-publier

Le package cowplot est une extension de ggplot2 et il peut ?tre utiliser pour g?n?rer des graphiques pr?t-?-publier.

library(cowplot)
# Graphe par d?faut
bp <- ggplot(df, aes(x=dose, y=len, color=dose)) +
  geom_boxplot() + 
  theme(legend.position = "none")
bp

# Ajouter les grilles
bp + background_grid(major = "xy", minor = "none")

save_plot("mpg.pdf", plot.mpg,
      base_aspect_ratio = 1.3 #Laisser de la place pour la l?gende
          )

# Nuage de points
sp <- ggplot(mpg, aes(x = cty, y = hwy, colour = factor(cyl)))+ 
  geom_point(size=2.5)
sp

# Bar plot
bp <- ggplot(diamonds, aes(clarity, fill = cut)) +
  geom_bar() +
  theme(axis.text.x = element_text(angle=70, vjust=0.5))
bp

plot_grid(sp, bp, labels=c("A", "B"), ncol = 2, nrow = 1)

draw_plot(plot, x = 0, y = 0, width = 1, height = 1)

plot.iris <- ggplot(iris, aes(Sepal.Length, Sepal.Width)) + 
  geom_point() + facet_grid(. ~ Species) +
  stat_smooth(method = "lm") +
  background_grid(major = 'y', minor = "none") + # grilles horiz.
  panel_border() # Bordure autour de chaque panel

ggdraw() +
  draw_plot(plot.iris, 0, .5, 1, .5) +
  draw_plot(sp, 0, 0, .5, .5) +
  draw_plot(bp, .5, 0, .5, .5) +
  draw_plot_label(c("A", "B", "C"), c(0, 0, 0.5), c(1, 0.5, 0.5), size = 15)

grid.arrange: Cr?er et organiser plusieurs graphiques

Le code R ci-dessous, cr?e un box plot, un dot plot, un violin plot et un stripchart (jitter plot) :

library(ggplot2)
# Cr?er un box plot
bp <- ggplot(df, aes(x=dose, y=len, color=dose)) +
  geom_boxplot() + 
  theme(legend.position = "none")

# Cr?er un dot plot
# Ajouter la moyenne et l'?cart type
dp <- ggplot(df, aes(x=dose, y=len, fill=dose)) +
  geom_dotplot(binaxis='y', stackdir='center')+
  stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), 
                 geom="pointrange", color="red")+
   theme(legend.position = "none")

# Cr?er un violin plot
vp <- ggplot(df, aes(x=dose, y=len)) +
  geom_violin()+
  geom_boxplot(width=0.1)

# Cr?er un stripchart
sc <- ggplot(df, aes(x=dose, y=len, color=dose, shape=dose)) +
  geom_jitter(position=position_jitter(0.2))+
  theme(legend.position = "none") +
  theme_gray()

Combiner les graphiques en utilisant la fonction grid.arrange() [dans gridExtra] :

library(gridExtra)
grid.arrange(bp, dp, vp, sc, ncol=2, nrow = 2)

library(gridExtra)
get_legend<-function(myggplot){
  tmp <- ggplot_gtable(ggplot_build(myggplot))
  leg <- which(sapply(tmp$grobs, function(x) x$name) == "guide-box")
  legend <- tmp$grobs[[leg]]
  return(legend)
}

# 1. Cr?er les graphiques
#++++++++++++++++++++++++++++++++++
# Cr?er un box plot
bp <- ggplot(df, aes(x=dose, y=len, color=dose)) +
  geom_boxplot()

# Cr?er un violin plot
vp <- ggplot(df, aes(x=dose, y=len, color=dose)) +
  geom_violin()+
  geom_boxplot(width=0.1)+
  theme(legend.position="none")

# 2. Enregistrer la l?gende
#+++++++++++++++++++++++
legend <- get_legend(bp)

# 3. Supprimer la l?gende du box plot
#+++++++++++++++++++++++
bp <- bp + theme(legend.position="none")

# 4. Combiner les graphiques avec des tailles sp?cifiques
grid.arrange(bp, vp, legend, ncol=3, widths=c(2.3, 2.3, 0.8))

set.seed(1234)
x <- c(rnorm(500, mean = -1), rnorm(500, mean = 1.5))
y <- c(rnorm(500, mean = 1), rnorm(500, mean = 1.7))
group <- as.factor(rep(c(1,2), each=500))
df2 <- data.frame(x, y, group)
head(df2)

##             x          y group
## 1 -2.20706575 -0.2053334     1
## 2 -0.72257076  1.3014667     1
## 3  0.08444118 -0.5391452     1
## 4 -3.34569770  1.6353707     1
## 5 -0.57087531  1.7029518     1
## 6 -0.49394411 -0.9058829     1

# Nuage de points color?s par groupes
scatterPlot <- ggplot(df2,aes(x, y, color=group)) + 
  geom_point() + 
  scale_color_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position=c(0,1), legend.justification=c(0,1))


# Courbe de densit? marginale de x (panel du haut)
xdensity <- ggplot(df2, aes(x, fill=group)) + 
  geom_density(alpha=.5) + 
  scale_fill_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position = "none")

# Courbe de densit? marginale de y (panel de droite)
ydensity <- ggplot(df2, aes(y, fill=group)) + 
  geom_density(alpha=.5) + 
  scale_fill_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position = "none")

blankPlot <- ggplot()+geom_blank(aes(1,1))+
  theme(
    plot.background = element_blank(), 
   panel.grid.major = element_blank(),
   panel.grid.minor = element_blank(), 
   panel.border = element_blank(),
   panel.background = element_blank(),
   axis.title.x = element_blank(),
   axis.title.y = element_blank(),
   axis.text.x = element_blank(), 
   axis.text.y = element_blank(),
   axis.ticks = element_blank(),
   axis.line = element_blank()
     )

library("gridExtra")
grid.arrange(xdensity, blankPlot, scatterPlot, ydensity, 
        ncol=2, nrow=2, widths=c(4, 1.4), heights=c(1.4, 4))

require(grid)
# Nouvelle page
grid.newpage()

# Cr?er la mise en page : nrow = 2, ncol = 2
pushViewport(viewport(layout = grid.layout(2, 2)))

# Une fonction pour definir une region dans la mise en page
define_region <- function(row, col){
  viewport(layout.pos.row = row, layout.pos.col = col)
} 

# Arranger les graphiques
print(scatterPlot, vp=define_region(1, 1:2))
print(xdensity, vp = define_region(2, 1))
print(ydensity, vp = define_region(2, 2))

Ins?rez un ?l?ment graphique externe dans un ggplot

La fonction annotation_custom() [dans ggplot2] peut ?tre utilis?e pour ajouter des tables, des graphiques ou d?autres ?l?ments du syst?me graphique ?grid?. Le format simplifi? est:

annotation_custom(grob, xmin, xmax, ymin, ymax)

Les diff?rentes ?tapes sont:

1. Cr?er un nuage de points de y = f(x)
2. Ajouter, par exemple, le box plot de x et de y ? l?int?rieur du nuage de points en utilisant la fonction annotation_custom()

Comme le box plot int?rieur chevauche avec certains points, un fond transparent est utilis? pour les box plots.

# Cr?er un th?me transparent
transparent_theme <- theme(
 axis.title.x = element_blank(),
 axis.title.y = element_blank(),
 axis.text.x = element_blank(), 
 axis.text.y = element_blank(),
 axis.ticks = element_blank(),
 panel.grid = element_blank(),
 axis.line = element_blank(),
 panel.background = element_rect(fill = "transparent",colour = NA),
 plot.background = element_rect(fill = "transparent",colour = NA))

Cr?er les graphes:

p1 <- scatterPlot # voir sections pr?c?dentes

# Box plot pour la variable x
p2 <- ggplot(df2, aes(factor(1), x))+
  geom_boxplot(width=0.3)+coord_flip()+
  transparent_theme

# Box plot pour la variable y
p3 <- ggplot(df2, aes(factor(1), y))+
  geom_boxplot(width=0.3)+
  transparent_theme

# Cr?er les ?l?ments graphiques externes 
# ("grob" en termininology grid) 
p2_grob = ggplotGrob(p2)
p3_grob = ggplotGrob(p3)
   

# Inserer p2_grob ? l'int?rieur du nuage de points
xmin <- min(x); xmax <- max(x)
ymin <- min(y); ymax <- max(y)
p1 + annotation_custom(grob = p2_grob, xmin = xmin, xmax = xmax, 
                       ymin = ymin-1.5, ymax = ymin+1.5)

# Inserer p3_grob ? l'int?rieur du nuage de points
p1 + annotation_custom(grob = p3_grob,
                       xmin = xmin-1.5, xmax = xmin+1.5, 
                       ymin = ymin, ymax = ymax)

Si vous avez une solution pour ins?rer, en m?me temps, ? la fois p2_grob et p3_grob ? l?int?rieur du nuage de points, s?il vous pla?t laissez-moi un commentaire. J?ai eu quelques erreurs en essayant de le faire ?

Combiner table, texte et graphique ggplot2

Les fonctions ci-dessous sont n?cessaires:

• tableGrob() [dans le package gridExtra] : pour ajouter un tableau de donn?es ? un dispositif graphique
• splitTextGrob() [dans le package RGraphics] : pour ajouter un texte ? un graphique

Assurez vous que le package RGraphics est install?.

library(RGraphics)
library(gridExtra)

# Tableau
p1 <- tableGrob(head(ToothGrowth))

# Texte
text <- "ToothGrowth data describes the effect of Vitamin C on tooth growth in Guinea pigs.  Three dose levels of Vitamin C (0.5, 1, and 2 mg) with each of two delivery methods [orange juice (OJ) or ascorbic acid (VC)] are used."
p2 <- splitTextGrob(text)

# Box plot
p3 <- ggplot(df, aes(x=dose, y=len)) + geom_boxplot()

# Combiner les graphiques sur la m?me page
grid.arrange(p1, p2, p3, ncol=1)

Infos

Cette analyse a ?t? faite en utilisant le logiciel R (ver. 3.2.4) et le package ggplot2 (ver. 2.1.0)

Pr?parer les donn?es

Les donn?es ToothGrowth et mtcars sont utilis?es dans les exemples ci-dessous:

# Convertir les colonnes dose et cyl en "facteur"
ToothGrowth$dose <- as.factor(ToothGrowth$dose)
mtcars$cyl <- as.factor(mtcars$cyl)
head(ToothGrowth)

##    len supp dose
## 1  4.2   VC  0.5
## 2 11.5   VC  0.5
## 3  7.3   VC  0.5
## 4  5.8   VC  0.5
## 5  6.4   VC  0.5
## 6 10.0   VC  0.5

head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Assurez-vous que les variables dose et cyl soient converties en variables de types ?factor? en utilisant le script de R ci-dessus.

Graphes simples

library(ggplot2)
# Box plot
ggplot(ToothGrowth, aes(x=dose, y=len)) +geom_boxplot()

# Nuage de points
ggplot(mtcars, aes(x=wt, y=mpg)) + geom_point()

Utiliser une seule couleur

# box plot
ggplot(ToothGrowth, aes(x=dose, y=len)) +
  geom_boxplot(fill='#A4A4A4', color="darkred")

# Nuage de point
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point(color='darkblue')

Changer les couleurs par groupes

# Box plot
bp<-ggplot(ToothGrowth, aes(x=dose, y=len, fill=dose)) +
  geom_boxplot()
bp

# Nuage de points
sp<-ggplot(mtcars, aes(x=wt, y=mpg, color=cyl)) + geom_point()
sp

# Box plot
bp + scale_fill_hue(l=40, c=35)

# Nuage de points
sp + scale_color_hue(l=40, c=35)

# Box plot
bp + scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9"))

# Nuage de points
sp + scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))

# Box plot
bp + scale_fill_manual(breaks = c("2", "1", "0.5"), 
                       values=c("red", "blue", "green"))

# Nuage de points
sp + scale_color_manual(breaks = c("8", "6", "4"),
                        values=c("red", "blue", "green"))

# Box plot
bp + scale_fill_brewer(palette="Dark2")

# Nuage de points
sp + scale_color_brewer(palette="Dark2")

# Installer
install.packages("wesanderson")
# Charger
library(wesanderson)

library(wesanderson)
# Box plot
bp+scale_fill_manual(values=wes_palette(n=3, name="GrandBudapest"))

# Nuage de points
sp+scale_color_manual(values=wes_palette(n=3, name="GrandBudapest"))

Utiliser la palette de couleurs grises

Les fonctions ? utiliser sont:

• scale_colour_grey() pour les points, lignes, etc
• scale_fill_grey() pour les box plots, bar plots, violin plots, etc

# Box plot
bp + scale_fill_grey() + theme_classic()

# Nuage de points
sp + scale_color_grey() + theme_classic()

Changer les valeurs de gris :

# Box plot
bp + scale_fill_grey(start=0.8, end=0.2) + theme_classic()

# Nuage de points
sp + scale_color_grey(start=0.8, end=0.2) + theme_classic()

Notez que, les valeurs par d?faut pour les arguments start et end sont: start = 0.2, end = 0.8

Couleurs continues

Le graphique peut ?tre color? en fonction des valeurs d?une variable continue, en utilisant les fonctions:

• scale_color_gradient(), scale_fill_gradient() pour des gradients de couleurs s?quentiels
• scale_color_gradient2(), scale_fill_gradient2() pour des gradients divergents
• scale_color_gradientn(), scale_fill_gradientn() pour un gradient entre n couleurs

# Colorer en fonction de la valeur de qsec
sp2<-ggplot(mtcars, aes(x=wt, y=mpg, color=qsec)) + geom_point()
sp2

# Changer les couleurs basse et haute
# Gradient sequentiel
sp2+scale_color_gradient(low="blue", high="red")

# Gradients divergents
mid<-mean(mtcars$qsec)
sp2+scale_color_gradient2(midpoint=mid,  low="blue", mid="white",
                  high="red"  space = "Lab")

set.seed(1234)
x <- rnorm(200)
# Histogramme
hp<-qplot(x =x, fill=..count.., geom="histogram") 
hp

# Gradient s?quentiel
hp+scale_fill_gradient(low="blue", high="red")

# Nuage de points
# Colorer les points en fonction de la variable mpg
sp3<-ggplot(mtcars, aes(x=wt, y=mpg, color=mpg)) + geom_point()
sp3

# Gradient entre n couleurs
sp3+scale_color_gradientn(colours = rainbow(5))

Infos

Cette analyse a ?t? faite en utilisant le logiciel R (ver. 3.1.2) et le package ggplot2 (ver. 1.0.0)

Pr?parer les donn?es

Le jeu de donn?es mtcars est utilis? dans les exemples ci-dessous.

# Convertir la colonne cyl en variable de type facteur
mtcars$cyl <- as.factor(mtcars$cyl)
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Nuage de points simples

Des nuages de points simples sont cr??s en utilisant le code de R ci-dessous. La couleur, la taille et la forme des points peuvent ?tre modifi?es en utilisant la fonction geom_point() comme suit:

geom_point(size, color, shape)

library(ggplot2)

# Nuage de points simples
ggplot(mtcars, aes(x=wt, y=mpg)) + geom_point()

# Changer la taille et la forme
ggplot(mtcars, aes(x=wt, y=mpg)) +
  geom_point(size=2, shape=23)

Notez que, la taille des points peut ?tre contr?l?e en fonction des valeurs d?une variable continue comme dans l?exemple ci-dessous.

# Changer la taille des points
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point(aes(size=qsec))

Lire plus sur la taille des points : ggplot2 taille des points

Annoter les points

La fonction geom_text() peut ?tre utilis?e:

ggplot(mtcars, aes(x=wt, y=mpg)) +
  geom_point() + 
  geom_text(label=rownames(mtcars))

Lire plus sur les annotations de textes : ggplot2 - ajoouter du texte au graphique

geom_smooth(method="auto", se=TRUE, fullrange=FALSE, level=0.95)

# Ajouter la droite de regression
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth(method=lm)

# Supprimer l'intervalle de confiance
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth(method=lm, se=FALSE)

# La m?thode "Loess"
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth()

# Changer la couleur et la forme des points
# Changer le type de trait et la couleur
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point(shape=18, color="blue")+
  geom_smooth(method=lm, se=FALSE, linetype="dashed",
             color="darkred")

# Changer la couleur de remplissage de l'intervalle de confiance
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point(shape=18, color="blue")+
  geom_smooth(method=lm,  linetype="dashed",
             color="darkred", fill="blue")

Nuage de points avec plusieurs groupes

Cette section d?crit comment changer les couleurs et les types de points automatiquement et manuellement.

# Changer le type de points en fonction des niveaux de cyl
ggplot(mtcars, aes(x=wt, y=mpg, shape=cyl)) +
  geom_point()

# Changer le type et la couleur
ggplot(mtcars, aes(x=wt, y=mpg, shape=cyl, color=cyl)) +
  geom_point()

# Changer le type, la couleur et la taille
ggplot(mtcars, aes(x=wt, y=mpg, shape=cyl, color=cyl, size=cyl)) +
  geom_point()

# Ajouter des lignes de r?gression
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm)

# Supprimer les intervalles de confiance
# Etendre les droites de r?gression
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)

ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, aes(fill=cyl))

# Changer le type de points et la couleur manuellement
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  scale_shape_manual(values=c(3, 16, 17))+ 
  scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+
  theme(legend.position="top")
  
# Changer la taille des points manuellement
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl))+
  geom_point(aes(size=cyl)) + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  scale_shape_manual(values=c(3, 16, 17))+ 
  scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+
  scale_size_manual(values=c(2,3,4))+
  theme(legend.position="top")

p <- ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) +
  geom_point() + 
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  theme_classic()

# Utiliser les palettes brewer
p+scale_color_brewer(palette="Dark2")

# Utiliser les couleurs grises
p + scale_color_grey()

Ajoutter la densit? marginale

La fonction geom_rug() peut ?tre utilis?e:

geom_rug(sides ="bl")

sides : c?t? sur lequel il faudrait ajouter la densit?. La valeur possible est une cha?ne de caract?re contenant l?un des ?l?ments ?trbl?, pour top (haut), right (droite), bottom (bas), et left (gauche).

# Ajouter la densit? marginale
ggplot(mtcars, aes(x=wt, y=mpg)) +
  geom_point() + geom_rug()

# Changer les couleurs
ggplot(mtcars, aes(x=wt, y=mpg, color=cyl)) +
  geom_point() + geom_rug()

# Utiliser le jeu de donn?es faithful
ggplot(faithful, aes(x=eruptions, y=waiting)) +
  geom_point() + geom_rug()

Nuage de points avec estimation de la densit? 2d

Les fonctions geom_density2d() ou stat_density2d() peuvent ?tre utilis?es:

# Nuage de points avec estimation de la densit? 2d
sp <- ggplot(faithful, aes(x=eruptions, y=waiting)) +
  geom_point()
sp + geom_density2d()

# Gradient de couleur
sp + stat_density2d(aes(fill = ..level..), geom="polygon")

# Changer le gradient de couleur
sp + stat_density2d(aes(fill = ..level..), geom="polygon")+
  scale_fill_gradient(low="blue", high="red")

Lire plus sur ggplot2 et couleurs : ggplot2 couleurs

Nuage de points avec ellipese

La fonction stat_ellipse() peut ?tre utilis?e comme suit:

# Une ellipse autour de tous les points
ggplot(faithful, aes(waiting, eruptions))+
  geom_point()+
  stat_ellipse()
# Ellipses par groupes
p <- ggplot(faithful, aes(waiting, eruptions, color = eruptions > 3))+
  geom_point()
p + stat_ellipse()
# Changer le type d'ellipses: 
# Valeurs possibles "t", "norm", "euclid"
p + stat_ellipse(type = "norm")

Nuage de points avec des decoupes rectangulaires

Le nombre d?observations est compt? dans chaque d?coupe et affich? en utilisant l?un des fonctions suivantes:

• geom_bin2d() pour ajouter un heatmap du comptage dans les d?coupes 2d
• stat_bin2d() pour le comptage du nombre d?observation dans les d?coupes rectangulaires
• stat_summary2d() pour appliquer des fonctions statistiques sur les d?coupes 2d

Les formats simplifi?s de ces fonctions sont:

plot + geom_bin2d(...)

plot+stat_bin2d(geom=NULL, bins=30)

plot + stat_summary2d(geom = NULL, bins = 30, fun = mean)

• geom : l?objet g?om?trique ? afficher
• bins : Nombre de d?coupes verticale et horizontale. La valeur par d?faut est 30
• fun : fonction pour une description statistique

Le jeux e donn?es diamonds, dans le package ggplot2, est utilis? :

head(diamonds)

##   carat       cut color clarity depth table price    x    y    z
## 1  0.23     Ideal     E     SI2  61.5    55   326 3.95 3.98 2.43
## 2  0.21   Premium     E     SI1  59.8    61   326 3.89 3.84 2.31
## 3  0.23      Good     E     VS1  56.9    65   327 4.05 4.07 2.31
## 4  0.29   Premium     I     VS2  62.4    58   334 4.20 4.23 2.63
## 5  0.31      Good     J     SI2  63.3    58   335 4.34 4.35 2.75
## 6  0.24 Very Good     J    VVS2  62.8    57   336 3.94 3.96 2.48

# Graphique
p <- ggplot(diamonds, aes(carat, price))
p + geom_bin2d()

Changer le nombre de d?coupes:

# Changer le nombre de d?coupes
p + geom_bin2d(bins=10)

Ou sp?cifie la largeur des d?coupes:

# Sp?cifier la largeur des d?coupes
p + geom_bin2d(binwidth=c(1, 1000))

Nuage de point avec distribution marginale

Step 1/3. Cr?er des donn?es:

set.seed(1234)
x <- c(rnorm(500, mean = -1), rnorm(500, mean = 1.5))
y <- c(rnorm(500, mean = 1), rnorm(500, mean = 1.7))
group <- as.factor(rep(c(1,2), each=500))
df <- data.frame(x, y, group)
head(df)

##             x          y group
## 1 -2.20706575 -0.2053334     1
## 2 -0.72257076  1.3014667     1
## 3  0.08444118 -0.5391452     1
## 4 -3.34569770  1.6353707     1
## 5 -0.57087531  1.7029518     1
## 6 -0.49394411 -0.9058829     1

Step 2/3. Cr?er des graphiques:

# Nuage de points color?s par groupes
scatterPlot <- ggplot(df,aes(x, y, color=group)) + 
  geom_point() + 
  scale_color_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position=c(0,1), legend.justification=c(0,1))
scatterPlot


# Courbe de densit? marginale de x (panel du haut)
xdensity <- ggplot(df, aes(x, fill=group)) + 
  geom_density(alpha=.5) + 
  scale_fill_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position = "none")
xdensity

# Courbe de densit? marginale de y (panel de droite)
ydensity <- ggplot(df, aes(y, fill=group)) + 
  geom_density(alpha=.5) + 
  scale_fill_manual(values = c('#999999','#E69F00')) + 
  theme(legend.position = "none")
ydensity

Cr?er un emplacement vide :

blankPlot <- ggplot()+geom_blank(aes(1,1))+
  theme(plot.background = element_blank(), 
   panel.grid.major = element_blank(),
   panel.grid.minor = element_blank(), 
   panel.border = element_blank(),
   panel.background = element_blank(),
   axis.title.x = element_blank(),
   axis.title.y = element_blank(),
   axis.text.x = element_blank(), 
   axis.text.y = element_blank(),
   axis.ticks = element_blank()
     )

Step 3/3. Regrouper les graphiques:

Pour mettre plusieurs graphiques sur la m?me page, le package gridExtra peut ?tre utilis?. Installez le package comme suit:

install.packages("gridExtra")

Arranger le graphique avec des largeurs et des hauteurs adapt?es pour chaque ligne et chaque colonne:

library("gridExtra")
grid.arrange(xdensity, blankPlot, scatterPlot, ydensity, 
        ncol=2, nrow=2, widths=c(4, 1.4), heights=c(1.4, 4))

Lire plus sur comment arranger plusieurs graphiques sur la m?me page : ggplot2 - Arranger plusieurs graphiques sur la m?me page

Nuages de points personnalis?s

# Nuage de points simple
ggplot(mtcars, aes(x=wt, y=mpg)) + 
  geom_point()+
  geom_smooth(method=lm, color="black")+
  labs(title="Miles per gallon \n according to the weight",
       x="Weight (lb/1000)", y = "Miles/(US) gallon")+
  theme_classic()  

# Changer la couleur/ le type par groupe
# Supprimer l'intervalle de confiance
p <- ggplot(mtcars, aes(x=wt, y=mpg, color=cyl, shape=cyl)) + 
  geom_point()+
  geom_smooth(method=lm, se=FALSE, fullrange=TRUE)+
  labs(title="Miles per gallon \n according to the weight",
       x="Weight (lb/1000)", y = "Miles/(US) gallon")

p + theme_classic()  

Changer les couleurs manuellement

# Couleurs continues
p + scale_color_brewer(palette="Paired") + theme_classic()

# Couleurs discr?tes
p + scale_color_brewer(palette="Dark2") + theme_minimal()

# Couleurs en gradient
p + scale_color_brewer(palette="Accent") + theme_minimal()

Lire plus sur ggplot2 et couleurs : ggplot2 couleurs

Infos

Cette analyse a ?t? faite en utilisant le logiciel R (ver. 3.2.1) et le package ggplot2 (ver. 1.0.1)