ggplot2 ou la grammaire des graphiques sous R

La grammaire des graphiques invite l’utilisateur à repenser sa manière de concevoir un graphique en associant variables (données), paramètres graphiques (esthétiques) et formes géométriques, puis en complexifiant progressivement son graphique (coordonnées, échelles, facettes, étiquettes, légendes, thèmes…).

library(ggplot2)
p <- ggplot(rp99) +
  aes(x = dipl.aucun, y = tx.chom) +
  geom_point()

A minima, ggplot2 nécessite :
(i) des données ;
(ii) l'association entre des variables et des esthétiques
(iii) une géométrie.

Note : ggplot2 repose sur une syntaxe additive.

p <- ggplot(rp99) +
  aes(x = dipl.aucun, y = tx.chom, colour = commune.ouvriere, size = pop.tot) +
  geom_point(alpha = .5)

Note : il est possible de fixer la valeur d'une esthétique non associée à une variable, lors de l'appel à une géométrie.
Note 2: les variables catégorielles doivent être sous forme de facteurs.

p <- ggplot(rp99) +
  aes(x = dipl.aucun, y = tx.chom, colour = commune.ouvriere, size = pop.tot) +
  geom_smooth(method = "lm", show.legend = FALSE) +
  geom_point(alpha = .5)

Note : les géométries sont associées à une statistique (ici, à une fonction calculant la droite de régression). Nous y reviendrons plus tard.

Les échelles permettent de contrôler le rendu des esthétiques.

p <- p +
  scale_x_continuous(limits = c(0, 45)) +
  scale_y_continuous(breaks = c(0, 2, 4, 6, 8, 10, 15, 20, 25)) +
  scale_color_brewer(palette = "Set1") +
  scale_size_area()

p <- p +
  coord_equal()

p <- p +
  ggtitle("Lien entre taux de chômage et éducation", subtitle = "Département du Rhônes, 1999") +
  xlab("Proportion des actifs sans diplôme") +
  ylab("Taux de chômage") +
  labs(size = "Population totale", colour = "Commune ouvrière ?")

library(hrbrthemes)
p <- p +
  theme_ipsum_rc() +
  theme(
    legend.position = "bottom", 
    legend.box = "vertical"
  )

Note : certaines extensions comme hrbrthemes étendent ggplot2 en proposant, par exemple, des thèmes additionnels.

library(hrbrthemes)
p <- ggplot(hdv2003) +
  aes(x = csp) +
  geom_bar()

Note : par défaut, la géométrie geom_bar() appelle la statistique stat_count(), qui calcule les effectifs de chaque sous-groupe, et les associe à l'esthétique y.

p <- ggplot(hdv2003) +
  aes(x = csp, fill = sport) +
  geom_bar()

p <- ggplot(hdv2003) +
  aes(x = csp, fill = sport) +
  geom_bar(position = "dodge")

p <- ggplot(hdv2003) +
  aes(x = csp, fill = sport) +
  geom_bar(position = "fill")

library(scales)
p <- p +
  scale_y_continuous(label = percent)

Note : voir l'extension scales et en particulier la fonction number_format() pour la mise en forme des nombres.

p <- p +
  facet_grid(sexe ~ groupe_ages)

p <- p +
  coord_flip()

p <- p +
  geom_text(
    aes(label = ..count..), 
    stat = "count", 
    position = position_fill(.5)
  )

p1 <- ggplot(mtcars, aes(wt, mpg)) + geom_point()
p2 <- ggplot(mtcars, aes(factor(cyl))) + geom_bar()
p3 <- ggplot(mtcars, aes(factor(cyl), mpg)) + geom_violin()
p4 <- ggplot(mtcars, aes(factor(cyl), mpg)) + geom_boxplot()

library(cowplot)
plot_grid(
  p1, p2, p3, p4, 
  ncol = 2,
  align = "hv", 
  rel_heights = c(2, 1), 
  rel_widths = c(1, 2)
)

p <- ggplot(iris) + aes(x = Petal.Width, y = Sepal.Length, color = Species) + 
  geom_point()
library(plotly)
ggplotly(p)

Pour voir le rendu : https://larmarange.github.io/seminaire-INED-18juin2019/exemple_graphique_interactif.html

library(gganimate)
library(gapminder)

ggplot(gapminder) +
  aes(gdpPercap, lifeExp, size = pop, colour = country)) + 
  geom_point(alpha = 0.7, show.legend = FALSE) +
  scale_colour_manual(values = country_colors) + 
  scale_size(range = c(2, 12)) + 
  scale_x_log10() + 
  facet_wrap(~ continent) + 
  # Here comes the gganimate specific bits
  labs(title = "Year: {frame_time}", x = "GDP per capita", y = "life expectancy") + 
  transition_time(year) + 
  ease_aes("linear")