Introduction

Ce document donne quelques éléments introductifs sur l’utilisation du package ggplot2.

Le package ggplot2

ggplot2 est un package de plus en plus utilisé pour tracer des graphiques sur R. La syntaxe est différente des fonctions graphiques de base, mais s’avère très puissante en pratique. Une très bonne référence pour commencer à utiliser ce package se trouve ici. L’aide en ligne est plus complète (mais très fournie). On pourra également se reporter à cet aide-mémoire

Installer le package puis le charger.

# install.packages('ggplot2')
library(ggplot2)

Importer ensuite le jeu de données naissance.txt documentant le poids à la naissance de 189 nouveaux-nés en fonctions d’un certains nombres de variable (dont l’âge de la mère, son poids ainsi que l’historique d’hypertension), puis transformer la variable SMOKE pour illustrer le codage “Non-Fumeur” (codé 0) et “Fumeur” (codé 1), ainsi que la variable HT codée “Non” (0) et “Oui” (1).

naissance <- read.delim("naissance.txt")
naissance <- transform(naissance,
    SMOKE = factor(SMOKE, labels = c("Non-Fumeur", "Fumeur")),
    HT = factor(HT, labels = c("Non", "Oui")))
str(naissance)
## 'data.frame':    189 obs. of  10 variables:
##  $ ID   : int  85 86 87 88 89 91 92 93 94 95 ...
##  $ AGE  : int  19 33 20 21 18 21 22 17 29 26 ...
##  $ LWT  : int  182 155 105 108 107 124 118 103 123 113 ...
##  $ RACE : int  2 3 1 1 1 3 1 3 1 1 ...
##  $ SMOKE: Factor w/ 2 levels "Non-Fumeur","Fumeur": 1 1 2 2 2 1 1 1 2 2 ...
##  $ PTL  : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ HT   : Factor w/ 2 levels "Non","Oui": 1 1 1 1 1 1 1 1 1 1 ...
##  $ UI   : int  1 0 0 1 1 0 0 0 0 0 ...
##  $ FVT  : int  0 3 1 2 0 0 1 1 1 0 ...
##  $ BWT  : int  2523 2551 2557 2594 2600 2622 2637 2637 2663 2665 ...

La fonction ggplot()

ggplot2 fonctionne par un système de couches (“layers”). Ce système permet de rajouter des couches avec +.

La fonction principale du package ggplot2 est la fonction ggplot(). À cette fonction, qui a pour but de spécifier et de préparer les données pour le graphique, on ajoute donc des couches grâce aux fonctions geom_...(), qui vont spécifier le type de graphique à afficher (par exemple geom_point() ou geom_bar()).

De plus, ggplot2 permet de rajouter des couches à des graphiques déjà existants sauvegardés dans des objets. C’est un comportement très différent de la gestion des graphiques comparé au R de base.

Nuage de points

Exercice 1 :

  1. Tracer le nuage de point du poids à la naissance (variable BWT) en fonction de l’âge (variable AGE) grâce à la fonction geom_point().

  2. Ajouter une couleur selon le statut tabagique de la mère (SMOKE) (on remarque que la légende se trace automatiquement).

  3. Rajouter une droite de régression avec la fonction geom_smooth().

  4. Consulter l’aide de la fonction geom_smooth() pour enlever l’intervalle de confiance et tracer la droite en rouge.

  5. A l’aide de geom_hline(), ajouter une droite horizontale d’ordonnée 2500, bleue et de style “tirets”.

  6. Créer un objet p qui contient le graphique du nuage de points uniquement comme demandé à la question 1 (taper le nom de l’objet pour vérifier que le graphique a été correctement créé.). Rajouter ensuite la droite de régression en modifiant p.

  7. Préciser le nom des axes.

  8. Ajouter le thème theme_bw() afin de se rapprocher d’un style plus classique de graphique.

ggplot(naissance, aes(x = AGE, y = BWT)) + geom_point(aes(color = SMOKE)) + 
    geom_smooth(method = lm, se = FALSE, colour = "red") + geom_hline(aes(yintercept = 2500), 
    colour = "blue", linetype = "dashed") + theme_bw() + ylab("Poids à la naissance (en g)") + 
    xlab("Âge de la mère")

Stratification

Le package ggplot2 rend très facile la stratification des représentations selon des groupes définis par une variable catégorielle.

Exercice 2 :

  1. Reproduire le graphique précédent en traçant 2 droites de regression selon le statut tabagique de la mère (en introduisant l’estéthique groupdans la fonction aes() de la fonction geom_smooth()).
ggplot(naissance, aes(x = AGE, y = BWT)) + geom_point(aes(color = SMOKE)) + 
    geom_smooth(method = lm, se = FALSE, aes(group = SMOKE)) + geom_hline(aes(yintercept = 2500), 
    colour = "blue", linetype = "dashed") + theme_bw() + ylab("Poids à la naissance (en g)") + 
    xlab("Âge de la mère")

  1. Utiliser la fonction facet_wrap() pour tracer 2 graphiques distincts.

  2. Laisser l’échelle s’adapter à chacun des 2 graphiques.

ggplot(naissance, aes(x = AGE, y = BWT)) + geom_point() + geom_smooth(method = lm, 
    se = FALSE, colour = "red") + geom_hline(aes(yintercept = 2500), colour = "blue", 
    linetype = "dashed") + theme_bw() + ylab("Poids à la naissance (en g)") + 
    xlab("Âge de la mère") + facet_wrap(~SMOKE, scales = "free")

Autres types de graphiques

Exercice 3 :

  1. Tracer un boxplot du poids du bébé à la naissance (on utilisera x="" dans les esthétiques de geom_boxplot()).
ggplot(naissance) + geom_boxplot(aes(x = "", y = BWT)) + theme_bw() + ylab("Poids à la naissance") + 
    xlab("")

  1. Stratifier selon le statut fumeur de la mère (on pourra s’intéresser à l’esthétique fill).

  2. Ajouter un titre avec la fonction ggtitle().

ggplot(naissance) + geom_boxplot(aes(x = SMOKE, y = BWT, fill = SMOKE)) + theme_bw() + 
    ylab("Poids à la naissance") + xlab("Statut tabagique de la mère") + ggtitle("Boxplot du poids à la naissance")

  1. Tracer un histogramme du poids à la naissance avec la fonction geom_histogram(). Ajouter un contour blanc pour une meilleure lisibilité. Ajouter une ligne verticale indiquant la limite inférieure de 2,5 kg.
ggplot(naissance) + geom_histogram(aes(x = BWT), color = "white") + geom_vline(aes(xintercept = 2500), 
    colour = "black", linetype = "dashed") + theme_bw() + xlab("Poids à la naissance") + 
    ylab("Effectif") + ggtitle("Histogramme du poids à la naissance")

  1. Remplir les barres de l’histogramme selon l’historique d’hypertension.

  2. Changer le code couleur grâce à la fonction scale_fill_manual().

ggplot(naissance) + geom_histogram(aes(x = BWT, fill = HT), color = "white") + 
    geom_vline(aes(xintercept = 2500), colour = "black", linetype = "dashed") + 
    theme_bw() + xlab("Poids à la naissance") + ylab("Effectif") + ggtitle("Histogramme du poids à la naissance") + 
    scale_fill_manual("Historique d'hypertension", values = c("skyblue", "red2"))

  1. Tracer une estimation de la densité de probabilité du poids à la naissance, dans chaque groupe de statut tabagique (sur le même graphique) avec la fonction geom_density().
ggplot(naissance) + geom_density(aes(x = BWT, fill = SMOKE, color = SMOKE), 
    alpha = 0.3) + theme_bw() + xlab("Poids à la naissance") + ylab("Densité") + 
    ggtitle("Estimateur non-paramétrique de la densité du poids à la naissance") + 
    scale_fill_discrete("Statut fumeur") + scale_color_discrete("Statut fumeur")

  1. Passer à l’échelle logarithmique avec la fonction scale_x_log10().

  2. Exporter le graphique au fromat .pdf avec la fonction ggsave().

  3. Ajouter une ligne verticale indiquant la limite inférieure de 2,5 kg, puis ajouter une légende pour la ligne verticale.

ggplot(naissance) + geom_density(aes(x = BWT, fill = SMOKE), alpha = 0.3) + 
    geom_vline(aes(xintercept = 2500, linetype = "dashed"), colour = "blue") + 
    theme_bw() + xlab("Poids à la naissance") + ylab("Densité") + ggtitle("Estimateur non-paramétrique de la densité du poids à la naissance") + 
    scale_fill_discrete("Statut fumeur") + scale_x_log10() + scale_linetype_manual(values = "dashed", 
    name = "Poids de 2.5kg", labels = "")