R on Les ordinateurs, les autres et moi

Mesure à l'americaine

Wed, 03 Nov 2021 00:00:00 +0000

La consommation des véhicules aux Etats Unis se compte en Miles per Galon , comme si nous , nous disions Kilometre par Litre.

library(ggplot2)
ggplot(mpg, aes(displ, hwy)) +
     geom_point(aes(colour = class)) +
     geom_smooth(se = TRUE) +
     labs(title = "L'efficaciité décroit avec la taille du moteur",
          subtitle = "Sauf les 2 places du fait du poid",
              caption = "Données du fueleconomy.gov",
         x = "Volume du moteur (L)",
         y = "Consommation sur autoroute (mpg)",
         colour = "Type de véhicule"
     ) +
     theme(
         plot.title = element_text(color = "#9E0142", size = 12, 
                                   face = "bold", hjust = 0.5),
         plot.subtitle = element_text(color = "#3288BD", hjust = 0.5),
         plot.caption = element_text(color = "#66C2A5", face = "italic")
     )

## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'

Theme dark

Testons le ggdark theme avec mon graphique…

plotting

Wed, 03 Nov 2021 00:00:00 +0000

Tout le monde ?
- Union Européenne
  - Plott Europe
- BRICS

Tout le monde ?

 library(maps)
 library(mapdata)
  map_ue <- map('worldHires', c('Canada','South Africa','USA','Russia','Brazil','China','India','france', 'UK','Japan','Ireland', 'Italy' ,'Belgium','Spain','Portugal','Grece','Netherland','Europe','Romania','Poland','Slovenia','Germany','Danmark','Finland','Norway','Sueden','Bulgaria','Austria','Slovekia','Croatia','Lettonia'))

Union Européenne

 library(maps)
 library(mapdata)
  map_ue <- map('worldHires', c('france', 'Ireland', 'Italy', 'Isle of Man','Isle of Wight', 'Wales:Anglesey','Belgium','Spain','Portugal','Grece','Netherland','Europe','Romania','Poland','Slovenia','Germany','Danmark','Finland','Norway','Sueden','Bulgaria','Austria','Slovekia','Croatia','Lettonia'))

Plott Europe

plot(map_ue)

BRICS

 library(maps)
 library(mapdata)
  map_brics <- map('worldHires', c('Brazil','China','Russia','India','South Africa'))

plot(map_brics)

Ce travail est sous licence Attribution-NonCommercial 4.0 International.

COP26

Tue, 02 Nov 2021 00:00:00 +0000

Source des données

J’ai récupéré les données du site wri.org, qui est l’organisme qui collecte et produit les statistiques pour le climat.

Ils ont un outils pas mal foutu du tout, par contre il y a des comparaisons qu’on ne peut pas faire , comme comparer des groupes de pays .

J’ai donc choisi, les gaz à effet de serre, sur plusieurs groupes de pays différents.

Représentativité et géopolitique

Attention: Certains pays sont membres de plusieurs groupes.

Emissions de PM10 et PM25 du Royaume Uni

Sat, 23 Oct 2021 00:00:00 +0000

Total période 1970 à 2019

PM10

library(readr)
PM10_PM25_Time_Series <- read_csv("PM10_PM25_Time_Series.csv")

## Rows: 60 Columns: 4
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## dbl (4): year, pm10, pm25, ceiling2020
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

library(ggplot2)
ggplot(PM10_PM25_Time_Series, aes(year,pm10)) +
  geom_line(aes(color=pm10)) +
   labs(title = "Emission de particules fines (PM10) de 1970 à 2019 au Royaume Uni",
        caption = "Source: Gouvernement du Royaume Uni",
         x = "Années",
         y = "Emissions PM10 ",
         colour = "PM10",
     )

## Warning: Removed 10 rows containing missing values or values outside the scale range
## (`geom_line()`).

PM25

library(readr)
PM10_PM25_Time_Series <- read_csv("PM10_PM25_Time_Series.csv")

## Rows: 60 Columns: 4
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## dbl (4): year, pm10, pm25, ceiling2020
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

library(ggplot2)
ggplot(PM10_PM25_Time_Series, aes(year,pm25)) +
  geom_line(aes(color=pm25)) +
  labs(title = "Emission de particules fines (PM25) de 1970 à 2019 au Royaume Uni",
        caption = "Source: Gouvernement du Royaume Uni",
         x = "Années",
         y = "Emissions PM25 ",
         colour = "PM25",
     )

## Warning: Removed 10 rows containing missing values or values outside the scale range
## (`geom_line()`).

1990, 2005, 2018, 2019

PM25

library(readr)
uk_PM2_5_sector <- read_csv("uk_PM2_5_sector.csv")

## Rows: 24 Columns: 4
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (2): Sector, ver
## dbl (2): Year, Emissions
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

library(ggplot2)
ggplot(uk_PM2_5_sector, aes(Year,Emissions)) +
  geom_point(aes(color=Sector, shape=Sector)) +
  geom_line(aes(color=Sector)) +
  labs(title = "Emission de particules fines (PM25) par secteur du Royaume Uni",
        caption = "Source: Gouvernement du Royaume Uni",
         x = "Années",
         y = "Emissions",
         colour = "Secteur",
         shape = "Secteur"
     )

PM10

library(readr)
uk_PM10_sector <- read_csv("uk_PM10_sector.csv")

## Rows: 24 Columns: 4
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (2): Sector, ver
## dbl (2): Year, Emissions
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

library(ggplot2)
ggplot(uk_PM10_sector, aes(Year,Emissions)) +
  geom_point(aes(color=Sector, shape=Sector)) +
  geom_line(aes(color=Sector)) +
  labs(title = "Emission de particules fines (PM10) par secteur du Royaume Uni",
        caption = "Source: Gouvernement du Royaume Uni",
         x = "Années",
         y = "Emissions",
         colour = "Secteur",
         shape = "Secteur"
     )

Proportion des emissions PM25 par secteur en 1990

library(RColorBrewer)
count <- c(43.46717718,39.75334,33.4542753,29.3908903,95.17064)
lbls <- c("Domestique","Construction et usine","Process industriel", "Transport","Autres")
color <- brewer.pal(length(count), "Set2") 
pct <- round(count/sum(count)*100)
lbls <- paste(lbls,pct)
lbls <- paste(lbls,"%",sep = "" )
pie(count, labels = lbls, col = color, main = "Proportion des emissions PM25 par secteur en 1990")

Proportion des emissions PM25 par secteur en 2005

library(RColorBrewer)
count <- c(28.68231526,21.63637793,19.15784332,24.23367353,35.4467)
lbls <- c("Domestique","Construction et usine","Process industriel", "Transport","Autres")
color <- brewer.pal(length(count), "Set2") 
pct <- round(count/sum(count)*100)
lbls <- paste(lbls,pct)
lbls <- paste(lbls,"%",sep = "" )
pie(count, labels = lbls, col = color, main = "Proportion des emissions PM25 par secteur en 2005")

Proportion des emissions PM25 par secteur en 2018

library(RColorBrewer)
count <- c(47.35432128,20.5864062,13.94194731,13.12861116,16.75408)
lbls <- c("Domestique","Construction et usine","Process industriel", "Transport","Autres")
color <- brewer.pal(length(count), "Set2") 
pct <- round(count/sum(count)*100)
lbls <- paste(lbls,pct)
lbls <- paste(lbls,"%",sep = "" )
pie(count, labels = lbls, col = color, main = "Proportion des emissions PM25 par secteur en 2018")

Proportion des emissions PM25 par secteur en 2019

library(RColorBrewer)
count <- c(47.13659663,19.25912284,13.37445948,13.03611225,15.90479)
lbls <- c("Domestique","Construction et usine","Process industriel", "Transport","Autres")
color <- brewer.pal(length(count), "Set2") 
pct <- round(count/sum(count)*100)
lbls <- paste(lbls,pct)
lbls <- paste(lbls,"%",sep = "" )
pie(count, labels = lbls, col = color, main = "Proportion des emissions PM25 par secteur en 2019")

Source des données disponible sur gov.uk

Thèmes prédéfinis

Sat, 23 Oct 2021 00:00:00 +0000

Il existe de nombreux thèmes fourni par le package ggtheme inspirés de journaux, de société de la tech, d’autres logiciels ou encore d’un model de document connu par ceux qui éditent en TeX : tufte . (super classe les documents tufte).

Exemple ici

D’une manière générale , ces thèmes sont fait pour être utilisé tel quel . Pensez : le fond et la forme. Ces thèmes vous fournissent la forme et vous ne vous occupez que du fond de votre sujet.

Données IRIS

Wed, 20 Oct 2021 00:00:00 +0000

Dans le jeu de données iris , nous avions vu qu’il y avait 150 observations , avec un facteur catégorisant qui est l’espèce , au nombre de 3 :

setosa
versicolor
virginica

Nous allons afficher la longueur et la largeur des sépales :

ggplot(data=iris, aes(x = Sepal.Length, y = Sepal.Width )) +

Appliquer un jeu de couleurs et de formes en fonction de ce facteur .


  geom_point(aes(color=Species, shape=Species)) +

Mettre les labels en français. Nous avions vu que l’on pouvait definir les labels avec un bloc labs.

Theme sombre ggdark

Tue, 19 Oct 2021 00:00:00 +0000

Testons le mode sombre

Prenons le jeu de données diamonds , et classons les diamants par prix (en dollars) et poids (carat) en fonction de la coupe .

Dés le début du code , on créé un *objet : p .

Cet objet ce créé simplement comme ceci p <- , qui nous permettra de contenir la définition de notre graphique .

library(ggplot2)
p <- ggplot(diamonds) + 
   geom_point(aes(carat, price, color = cut)) + 
   scale_y_continuous(label = scales::dollar) +
   guides(color = guide_legend(reverse = TRUE)) +
   labs(title = "Prix de 50 000 diamants taille ronde par carat et par taille",
        x = "Poid (carats)",
        y = "Prix en Dollars US",
        color = "Qualité de la coupe")
 
 p + theme_gray()

Librairie ggdark

Appliquons un theme sombre , c’est vraiment sympa.

Les couleurs dans R

Sun, 17 Oct 2021 00:00:00 +0000

Un peu de couleur

Ajoutons un peu de couleurs au graphique diesel:

library(ggplot2)
library(readr)
diesel <- read_delim("diesel.csv", delim = ";", 
    escape_double = FALSE, col_types = cols(Date = col_date(format = "%d/%m/%Y"), 
        Prix = col_number()), locale = locale(date_names = "fr", 
        decimal_mark = ","), trim_ws = TRUE)
# View(diesel)
ggplot(diesel, aes(Date,Prix)) +
    geom_line()+
    labs(title = "Evolution du prix du diesel",
         subtitle = "Principalement station Payot",
         caption = "De Janvier 2021 à Octobre 2021",
         y = "Prix (€)") +
  theme(
  plot.title = element_text(color = "red", size = 12, 
                            face = "bold", hjust = 0.5),
  plot.subtitle = element_text(color = "blue", hjust = 0.5),
  plot.caption = element_text(color = "green", face = "italic")
)

R connait une liste de 657 couleurs, c’est pas mal.

Jeu de données par défaut

Fri, 15 Oct 2021 00:00:00 +0000

iris, mtcars, diamonds

R fourni des jeu de données , très pratique car contenant l’ensemble des caractéristiques permettant d’exploiter les fonctions de R.

iris contient un jeu de données de 50 plantes de 3 espèces d’iris différentes.

En botanique la taxonomie en fait de cette manière: genre, espèce, nom commun, famille.

C’est espèces sont:

setosa
virginica
versicolor

Et pour chacune de ces espèces, les observation sont:

la largeur et la longueur des sépales
la largeur et la longueur des pétales

Exemple simple sans data

On crée un simple graphique en barre barplot, en leur attribuant une valeur arbitraire (c(3, 7)), puis on applique une couleur (moche) de manière tout aussi arbitraire , col = c("darkblue", "red").

Theme, titre et label

Fri, 15 Oct 2021 00:00:00 +0000

Ajoutons un titre

Un titre s’ajoute simplement avec labs pour label, qui dispose de plusieurs options, le code et le graphique sont suffisamment explicite pour ne pas détailler.

Nous pouvons donc ajouter:

un titre
un sous-titre
une légende

C’est ce que je nomme le fond que je distingue de la forme.

library(readr)
diesel <- read_delim("diesel.csv", delim = ";", 
    escape_double = FALSE, col_types = cols(Date = col_date(format = "%d/%m/%Y"), 
        Prix = col_number()), locale = locale(date_names = "fr", 
        decimal_mark = ","), trim_ws = TRUE)
library(ggplot2)
ggplot(diesel, aes(Date,Prix)) +
    geom_line()+
    labs(title = "Evolution du prix du diesel",
         subtitle = "Principalement station Payot",
         caption = "De Janvier 2021 à Octobre 2021",
         y = "Prix (€)")

Le fond et la forme

J’aborderais ce principe dans un article sur le markdown , mais d’une manière générale les documents textes un peu élaboré fonctionnent sur le même principe . C’est la mise en page.

Hello R Markdown

Tue, 01 Dec 2020 21:13:14 -0500

R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00
fit <- lm(dist ~ speed, data = cars)
fit
## 
## Call:
## lm(formula = dist ~ speed, data = cars)
## 
## Coefficients:
## (Intercept)        speed  
##     -17.579        3.932

Including Plots

You can also embed plots. See Figure 1 for example: