Begin'R
Les statistiques avec R
Navigation
[Retour au sommaire]
# Réaliser plusieurs graphiques en un seul :Objectifs * Placer plusieurs graphiques en une seule fenêtre graphique :Remarque : Besoin de quelques rappels pour l'importation et la préparation du jeu de données ? {#rq_preparation_donnees_graphiques_de_base, toggle=collapse, title-display=show} Le jeu de données Melons est issu d'une étude réelle relative à un essai variétal sur des melons. Elle a pour objectif de repérer les facteurs influençant le calibre des melons. Les liens ci-dessous permettent de télécharger le fichier de données, de visionner une vidéo expliquant la description associée et d'obtenir les lignes de code pour importer le jeu de données sur R. | Jeu de données | Excel | CSV | Présentation | Commande R | Explication | |-----------------|--------|-------------|----------------|------------|-------------| | Donnees Melons | [](donnees/DonneesMelons.xlsx) | [](donnees/DonneesMelons.csv) | [](video/DonneesMelons.html) | [Lignes de code pour importer et préparer le jeu de données](#ligne_code_importation) | [Explications sur la préparation du jeu de données](#explication_preparation_importation) | :Exemple {#ligne_code_importation, toggle=popup} ```{rC5-0-A, echo=T, eval=F} Melons <- read.csv2("DonneesMelons.csv", header = TRUE, stringsAsFactors = TRUE) Melons <- transform(Melons, Creneau = as.ordered(Creneau), Couverture = as.factor(Couverture)) quatre_melons <- subset(Melons, Variete=='Cezanne'|Variete=='Fidji'|Variete=='Hugo'|Variete=='Manta') quatre_melons$Variete <- droplevels(quatre_melons$Variete) ``` :Exemple {#explication_preparation_importation, toggle=popup} Dans un premier temps, [importer le jeu de données melons sur R Studio](caps_2_3_importation_CSV.html). ```r Melons <- read.csv2("DonneesMelons.csv", header = TRUE, stringsAsFactors = TRUE) Melons <- transform(Melons, Creneau = as.ordered(Creneau), Couverture = as.factor(Couverture)) ``` Pour ne pas alourdir les tableaux et représentations à venir, seuls quatre variétés de melons sont considérés dans la suite : `Cezanne`, `Fidji`, `Hugo` et `Manta`. Pour cela, l'extraction peut être effectuée à l'aide de la fonction **`subset()`** : ```r quatre_melons <- subset(Melons, Variete=='Cezanne'|Variete=='Fidji'|Variete=='Hugo'|Variete=='Manta') levels(quatre_melons$Variete) ``` ``` ## [1] "Anasta" "Bastille" "Cezanne" "Escrito" "Fidji" "Heliobel" ## [7] "Hugo" "Indola" "Manta" "Mehari" "Metis" "Theo" ``` Après sélection des quatre variétés, le jeu de données garde la trace des anciennes variétés. La fonction **`droplevels()`** permet de **nettoyer** le jeu de données en éliminant les modalités non utilisées : ```r quatre_melons$Variete <- droplevels(quatre_melons$Variete) levels(quatre_melons$Variete) ``` ``` ## [1] "Cezanne" "Fidji" "Hugo" "Manta" ``` Désormais, les données sont accessibles via la variable `quatre_melons`, définie sur R comme un objet de type `data.frame`. Il est possible de partitionner la fenêtre graphique en de multiples lignes et colonnes. Il faut pour cela utiliser la fonction **`par()`** qui permet de spécifier l'ensemble des paramètres graphiques. Lui donner comme argument `mfrow = c(2,2)` permet d'indiquer que la fenêtre graphique sera partitionnée en 2 lignes et 2 colonnes et que le remplissage se fera ligne par ligne. Le paramètre `mfcol` permet de faire l'équivalent, colonne par colonne. Pour revenir à une fenêtre classique à un seul graphique, il suffit d'utiliser l'instruction : `par(mfrow = c(1,1))` ou `par(mfcol = c(1,1))`. :Exemple {#4graphes} A partir du jeu de données `quatre_melons`, le tracé des quatre graphiques suivants : + le nuage de points des variables `Poids` (en ordonnée) et `Plantation` (en abscisse), + un histogramme décrivant la répartition du poids des melons, + un diagramme en barres représentant le poids moyen pour chaque variété, + un diagramme en secteurs illustrant la répartition des créneaux de plantation. est obtenu en exécutant les lignes de codes ci-dessous : ```r # Partition en 2 lignes et 2 colonnes par(mfrow = c(2,2)) # Premier graphique : nuage de points plot(quatre_melons$Plantation, quatre_melons$Poids) # Deuxième graphique : histogramme hist(quatre_melons$Poids) # Calcul des poids moyens des différentes variétés moyennes <- tapply(quatre_melons$Poids, INDEX = quatre_melons$Variete, FUN = mean) # Tracé du troisième graphique : diagramme en barres barplot(moyennes) # Calcul des fréquences des créneaux de plantation freq_creneau <- table(quatre_melons$Creneau) # Tracé du diagramme en secteurs pie(freq_creneau) ```  L'instruction suivante permet de revenir à une fenêtre graphique standard. ```r par(mfrow = c(1,1)) ``` L'affichage de ces graphiques est très rudimentaire. [Une capsule dédiée](caps_5_3_gestion_symboles_couleurs_titre_etiquettes.html) va détailler la procédure pour modifier les principaux paramètres des graphiques. :Suite de Tracer des graphiques {#graph, toggle=collapse, title-display=hidden} [Présentation des graphiques de base](caps_5_1_graphiques_de_base.html) [Réaliser plusieurs graphiques en un seul](caps_5_2_realiser_plusieurs_graphiques_en_un_seul.html) [Gestion des symboles, couleurs, titre et étiquettes](caps_5_3_gestion_symboles_couleurs_titre_etiquettes.html) [Paramètres spécifiques de la fonction "boxplot"](caps_5_4_parametres_specifiques_boxplot.html) [Exercice bilan](caps_5_5_exercice_bilan_personnalisation_graphiques.html)
