8 Visualisation des données

8.1 Introduction

Un bon graphique révèle des patterns que les tableaux peinent à montrer. Ce chapitre présente les principes de lisibilité et la grammaire des graphiques de ggplot2 : barres, histogrammes, boîtes à moustaches, nuages de points, lignes, facettes et export.

8.2 Objectifs pédagogiques

Choisir un type de graphique adapté à la question
Construire des graphiques ggplot2 lisibles
Personnaliser titres, axes, couleurs et facettes
Exporter des figures pour un rapport
Éviter les erreurs courantes de représentation

8.3 Prérequis

Package ggplot2 (tidyverse).

library(tidyverse)
library(scales)

ventes <- read_csv("data/ventes.csv", show_col_types = FALSE) |>
  filter(!is.na(region))
meteo <- read_csv("data/meteo.csv", show_col_types = FALSE) |>
  mutate(date = as.Date(date))
demo <- read_csv("data/demographie.csv", show_col_types = FALSE) |>
  filter(age <= 100, revenu_mensuel < 20000)

8.4 Pourquoi visualiser ?

Détecter outliers, asymétries, clusters
Comparer des groupes rapidement
Communiquer à un public non statisticien

Vocabulaire ggplot2

aes : mapping esthétique (x, y, color, fill, size…)
geom : type de marque (barre, point, ligne…)
scale : échelle (couleurs, axes)
facet : petits multiples
theme : apparence (fond, grilles, polices)

8.5 Principes de lisibilité

Un graphique = un message principal
Axes légendés avec unités
Couleurs accessibles (contraste, pas seulement rouge/vert)
Pas de 3D inutile ni de dual-axis trompeur
Titre informatif (« CA par région en 2023 ») plutôt que décoratif

8.6 Diagrammes en barres

Objectif : comparer des quantités entre catégories.

ca_region <- ventes |>
  group_by(region) |>
  summarise(ca = sum(montant), .groups = "drop")

ggplot(ca_region, aes(x = reorder(region, ca), y = ca)) +
  geom_col(fill = "#1a5276") +
  coord_flip() +
  labs(
    title = "Chiffre d'affaires par région",
    x = "Région", y = "CA"
  ) +
  theme_minimal()

Interprétation : la longueur des barres montre le CA total ; le tri facilite le classement.

8.7 Histogrammes

Objectif : voir la distribution d’une variable quantitative.

ggplot(demo, aes(x = revenu_mensuel)) +
  geom_histogram(bins = 20, fill = "#148f77", color = "white") +
  labs(
    title = "Distribution des revenus mensuels",
    x = "Revenu mensuel", y = "Effectif"
  ) +
  theme_minimal()

8.8 Boîtes à moustaches

Objectif : comparer distributions entre groupes (médiane, IQR, extrêmes).

ggplot(demo, aes(x = ville, y = age)) +
  geom_boxplot(fill = "#d5f5e3") +
  labs(title = "Âge par ville", x = NULL, y = "Âge") +
  theme_minimal()

8.9 Graphiques de dispersion

Objectif : relation entre deux quantitatives.

ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point(aes(color = factor(cyl)), size = 2.5) +
  geom_smooth(method = "lm", se = TRUE, color = "gray30") +
  labs(
    title = "Consommation selon le poids",
    x = "Poids (1000 lbs)", y = "Miles / gallon",
    color = "Cylindres"
  ) +
  theme_minimal()

Interprétation : tendance négative ; le lissage linéaire aide à voir la pente, sans prouver la causalité.

8.10 Graphiques linéaires

Objectif : évolution dans le temps.

meteo_mois <- meteo |>
  mutate(mois = floor_date(date, "month")) |>
  group_by(mois) |>
  summarise(temp = mean(temperature_c), .groups = "drop")

ggplot(meteo_mois, aes(x = mois, y = temp)) +
  geom_line(color = "#1a5276", linewidth = 1) +
  geom_point() +
  labs(
    title = "Température moyenne mensuelle (2023)",
    x = NULL, y = "°C"
  ) +
  theme_minimal()

8.11 Comparaison de plusieurs groupes

ggplot(ventes, aes(x = region, y = montant, fill = region)) +
  geom_violin(alpha = 0.7, show.legend = FALSE) +
  geom_boxplot(width = 0.15, fill = "white", outlier.size = 0.8) +
  labs(title = "Distribution des montants par région", y = "Montant") +
  theme_minimal()

8.12 Personnalisation : titres, axes, légendes

ggplot(ca_region, aes(x = region, y = ca)) +
  geom_col(fill = "#1a5276") +
  scale_y_continuous(labels = label_number(big.mark = " ")) +
  labs(
    title = "CA par région",
    subtitle = "Données pédagogiques 2023",
    caption = "Source : data/ventes.csv",
    x = NULL, y = "Chiffre d'affaires"
  ) +
  theme_minimal(base_size = 12) +
  theme(plot.title = element_text(face = "bold", color = "#1a5276"))

8.13 Couleurs

ggplot(ventes, aes(x = produit, fill = produit)) +
  geom_bar(show.legend = FALSE) +
  scale_fill_brewer(palette = "Set2") +
  labs(title = "Effectifs par produit", x = NULL, y = "n") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 30, hjust = 1))

8.14 Facettes

ggplot(demo, aes(x = revenu_mensuel)) +
  geom_histogram(bins = 15, fill = "#1a5276", color = "white") +
  facet_wrap(~sexe) +
  labs(title = "Revenus selon le sexe", x = "Revenu", y = "n") +
  theme_minimal()

8.15 Exportation

p <- ggplot(ca_region, aes(region, ca)) + geom_col()
ggsave("outputs/ca_region.png", p, width = 7, height = 4, dpi = 150)

dir.create("outputs", showWarnings = FALSE)
p <- ggplot(ca_region, aes(region, ca)) +
  geom_col(fill = "#1a5276") +
  theme_minimal()
ggsave("outputs/ca_region.png", p, width = 7, height = 4, dpi = 120)
file.exists("outputs/ca_region.png")

#> [1] TRUE

8.16 Grammaire ggplot2 (rappel)

ggplot(donnees, aes(...)) +
  geom_*() +
  scale_*() +
  facet_*() +
  labs() +
  theme_*()

8.17 Erreurs courantes

Erreur	Pourquoi c’est problématique
Camembert à 10 catégories	Illisible ; préférer barres
Tronquer l’axe Y sans le dire	Exagère les différences
Trop de couleurs / 3D	Charge cognitive, biais
Nuage de points surabondant	Surplotting → `alpha`, hexbins
Titre vague (« Graphique 1 »)	Aucune information

8.18 Mini-collection pour un rapport

p1 <- ggplot(ca_region, aes(reorder(region, ca), ca)) +
  geom_col(fill = "#1a5276") + coord_flip() +
  labs(title = "A — CA par région", x = NULL, y = "CA") + theme_minimal()

p2 <- ggplot(meteo_mois, aes(mois, temp)) +
  geom_line(color = "#148f77") +
  labs(title = "B — Température mensuelle", x = NULL, y = "°C") + theme_minimal()

p1

p2

8.19 Exercices

8.19.1 Niveau 1

Histogramme de temperature_c (meteo).
Barres du nombre de ventes par produit.

8.19.2 Niveau 2

Scatter age vs revenu_mensuel coloré par sexe.
Boxplot de montant par produit.

8.19.3 Niveau 3

Facette de l’histogramme des montants par région.
Exportez un graphique en PNG dans outputs/.

8.20 Corrections

ggplot(meteo, aes(temperature_c)) +
  geom_histogram(bins = 25, fill = "#148f77", color = "white") +
  theme_minimal()

ggplot(ventes, aes(produit)) + geom_bar(fill = "#1a5276") + theme_minimal()

ggplot(demo, aes(age, revenu_mensuel, color = sexe)) +
  geom_point(alpha = 0.7) + theme_minimal()

ggplot(ventes, aes(produit, montant)) +
  geom_boxplot() +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 30, hjust = 1))

ggplot(ventes, aes(montant)) +
  geom_histogram(bins = 20, fill = "#1a5276") +
  facet_wrap(~region) +
  theme_minimal()

8.21 Points clés

Le type de geom suit le type de variable et la question.
ggplot2 compose des couches ; gardez le message simple.
Toujours légender et contextualiser (source, unités, période).

8.22 Ressources

Wickham (2016), https://ggplot2.tidyverse.org/

8.23 Suite

Chapter 9 : passer de la description à l’inférence et à la régression.

# Visualisation des données {#sec-visualisation} ## Introduction Un bon graphique révèle des patterns que les tableaux peinent à montrer. Ce chapitre présente les principes de lisibilité et la **grammaire des graphiques** de `ggplot2` : barres, histogrammes, boîtes à moustaches, nuages de points, lignes, facettes et export. ## Objectifs pédagogiques - Choisir un type de graphique adapté à la question - Construire des graphiques ggplot2 lisibles - Personnaliser titres, axes, couleurs et facettes - Exporter des figures pour un rapport - Éviter les erreurs courantes de représentation ## Prérequis @sec-descriptives. Package `ggplot2` (tidyverse). ```{r setup-viz} library(tidyverse) library(scales) ventes <- read_csv("data/ventes.csv", show_col_types = FALSE) |> filter(!is.na(region)) meteo <- read_csv("data/meteo.csv", show_col_types = FALSE) |> mutate(date = as.Date(date)) demo <- read_csv("data/demographie.csv", show_col_types = FALSE) |> filter(age <= 100, revenu_mensuel < 20000) ``` ## Pourquoi visualiser ? - Détecter outliers, asymétries, clusters - Comparer des groupes rapidement - Communiquer à un public non statisticien ::: {.callout-note} ## Vocabulaire ggplot2 - **aes** : mapping esthétique (x, y, color, fill, size…) - **geom** : type de marque (barre, point, ligne…) - **scale** : échelle (couleurs, axes) - **facet** : petits multiples - **theme** : apparence (fond, grilles, polices) ::: ## Principes de lisibilité 1. Un graphique = **un message** principal 2. Axes légendés avec unités 3. Couleurs accessibles (contraste, pas seulement rouge/vert) 4. Pas de 3D inutile ni de dual-axis trompeur 5. Titre informatif (« CA par région en 2023 ») plutôt que décoratif ## Diagrammes en barres **Objectif** : comparer des quantités entre catégories. ```{r barres} ca_region <- ventes |> group_by(region) |> summarise(ca = sum(montant), .groups = "drop") ggplot(ca_region, aes(x = reorder(region, ca), y = ca)) + geom_col(fill = "#1a5276") + coord_flip() + labs( title = "Chiffre d'affaires par région", x = "Région", y = "CA" ) + theme_minimal() ``` **Interprétation** : la longueur des barres montre le CA total ; le tri facilite le classement. ## Histogrammes **Objectif** : voir la distribution d'une variable quantitative. ```{r hist} ggplot(demo, aes(x = revenu_mensuel)) + geom_histogram(bins = 20, fill = "#148f77", color = "white") + labs( title = "Distribution des revenus mensuels", x = "Revenu mensuel", y = "Effectif" ) + theme_minimal() ``` ## Boîtes à moustaches **Objectif** : comparer distributions entre groupes (médiane, IQR, extrêmes). ```{r boxplot} ggplot(demo, aes(x = ville, y = age)) + geom_boxplot(fill = "#d5f5e3") + labs(title = "Âge par ville", x = NULL, y = "Âge") + theme_minimal() ``` ## Graphiques de dispersion **Objectif** : relation entre deux quantitatives. ```{r scatter} ggplot(mtcars, aes(x = wt, y = mpg)) + geom_point(aes(color = factor(cyl)), size = 2.5) + geom_smooth(method = "lm", se = TRUE, color = "gray30") + labs( title = "Consommation selon le poids", x = "Poids (1000 lbs)", y = "Miles / gallon", color = "Cylindres" ) + theme_minimal() ``` **Interprétation** : tendance négative ; le lissage linéaire aide à voir la pente, sans prouver la causalité. ## Graphiques linéaires **Objectif** : évolution dans le temps. ```{r lignes} meteo_mois <- meteo |> mutate(mois = floor_date(date, "month")) |> group_by(mois) |> summarise(temp = mean(temperature_c), .groups = "drop") ggplot(meteo_mois, aes(x = mois, y = temp)) + geom_line(color = "#1a5276", linewidth = 1) + geom_point() + labs( title = "Température moyenne mensuelle (2023)", x = NULL, y = "°C" ) + theme_minimal() ``` ## Comparaison de plusieurs groupes ```{r groupes-viz} ggplot(ventes, aes(x = region, y = montant, fill = region)) + geom_violin(alpha = 0.7, show.legend = FALSE) + geom_boxplot(width = 0.15, fill = "white", outlier.size = 0.8) + labs(title = "Distribution des montants par région", y = "Montant") + theme_minimal() ``` ## Personnalisation : titres, axes, légendes ```{r custom} ggplot(ca_region, aes(x = region, y = ca)) + geom_col(fill = "#1a5276") + scale_y_continuous(labels = label_number(big.mark = " ")) + labs( title = "CA par région", subtitle = "Données pédagogiques 2023", caption = "Source : data/ventes.csv", x = NULL, y = "Chiffre d'affaires" ) + theme_minimal(base_size = 12) + theme(plot.title = element_text(face = "bold", color = "#1a5276")) ``` ## Couleurs ```{r couleurs} ggplot(ventes, aes(x = produit, fill = produit)) + geom_bar(show.legend = FALSE) + scale_fill_brewer(palette = "Set2") + labs(title = "Effectifs par produit", x = NULL, y = "n") + theme_minimal() + theme(axis.text.x = element_text(angle = 30, hjust = 1)) ``` ## Facettes ```{r facettes} ggplot(demo, aes(x = revenu_mensuel)) + geom_histogram(bins = 15, fill = "#1a5276", color = "white") + facet_wrap(~sexe) + labs(title = "Revenus selon le sexe", x = "Revenu", y = "n") + theme_minimal() ``` ## Exportation ```{r export-plot, eval=FALSE} p <- ggplot(ca_region, aes(region, ca)) + geom_col() ggsave("outputs/ca_region.png", p, width = 7, height = 4, dpi = 150) ``` ```{r export-plot-demo} dir.create("outputs", showWarnings = FALSE) p <- ggplot(ca_region, aes(region, ca)) + geom_col(fill = "#1a5276") + theme_minimal() ggsave("outputs/ca_region.png", p, width = 7, height = 4, dpi = 120) file.exists("outputs/ca_region.png") ``` ## Grammaire ggplot2 (rappel) ```text ggplot(donnees, aes(...)) + geom_*() + scale_*() + facet_*() + labs() + theme_*() ``` ## Erreurs courantes | Erreur | Pourquoi c'est problématique | |--------|------------------------------| | Camembert à 10 catégories | Illisible ; préférer barres | | Tronquer l'axe Y sans le dire | Exagère les différences | | Trop de couleurs / 3D | Charge cognitive, biais | | Nuage de points surabondant | Surplotting → `alpha`, hexbins | | Titre vague (« Graphique 1 ») | Aucune information | ## Mini-collection pour un rapport ```{r collection, fig.height=3.5} p1 <- ggplot(ca_region, aes(reorder(region, ca), ca)) + geom_col(fill = "#1a5276") + coord_flip() + labs(title = "A — CA par région", x = NULL, y = "CA") + theme_minimal() p2 <- ggplot(meteo_mois, aes(mois, temp)) + geom_line(color = "#148f77") + labs(title = "B — Température mensuelle", x = NULL, y = "°C") + theme_minimal() p1 p2 ``` ## Exercices ### Niveau 1 1. Histogramme de `temperature_c` (meteo). 2. Barres du nombre de ventes par `produit`. ### Niveau 2 3. Scatter `age` vs `revenu_mensuel` coloré par `sexe`. 4. Boxplot de `montant` par `produit`. ### Niveau 3 5. Facette de l'histogramme des montants par région. 6. Exportez un graphique en PNG dans `outputs/`. ## Corrections ```{r corr-viz-1} ggplot(meteo, aes(temperature_c)) + geom_histogram(bins = 25, fill = "#148f77", color = "white") + theme_minimal() ggplot(ventes, aes(produit)) + geom_bar(fill = "#1a5276") + theme_minimal() ``` ```{r corr-viz-3} ggplot(demo, aes(age, revenu_mensuel, color = sexe)) + geom_point(alpha = 0.7) + theme_minimal() ggplot(ventes, aes(produit, montant)) + geom_boxplot() + theme_minimal() + theme(axis.text.x = element_text(angle = 30, hjust = 1)) ``` ```{r corr-viz-5} ggplot(ventes, aes(montant)) + geom_histogram(bins = 20, fill = "#1a5276") + facet_wrap(~region) + theme_minimal() ``` ## Points clés - Le type de geom suit le type de variable et la question. - `ggplot2` compose des couches ; gardez le message simple. - Toujours légender et contextualiser (source, unités, période). ## Ressources - @wickham2016, <https://ggplot2.tidyverse.org/> ## Suite @sec-modelisation : passer de la description à l'inférence et à la régression.