Introduction

Les graphiques sont les outils les plus utilisés pour résumer une information chiffrée. Ils résument parfaitements les données et facilitent leurs interprétations. Le package ggplot2 , créé par Hadley Wickham, offre un outil graphique puissant pour créer des tracés élégants et complexes. Basé sur la grammaire graphique, ggplot2 permet de créer des graphiques qui représentent des données numériques et catégorielles à la fois univariées et multivariées de manière simple. Le regroupement peut être représenté par la couleur, le symbole, la taille et la transparence.

Le package patchwork et la fonction ggMarginal de ggExtra sont des extensions du package ggplot2 permettant de facilement combiner des graphiques ggplot dans une même fenêtre graphique.

Dans ce document, nous présenterons le fonctionnement de patchwork et ggMarginal.

Chargement package et description des données

En plus des packages patchwork et fonction ggMarginal de ggExtra, nous aurons besoin de datasets pour charger les données et de ggplot2 pour la création des graphiques.

Les packages patchwork et ggExtra peuvent-être installer directement avec la fonction “install.packages”.

library(ggplot2)
library(patchwork)
library(ggExtra)
library(datasets)

Dans ce document, nous utiliseront le jeu de données quakes du package datasets. Le jeu de données fournit les emplacements de 1000 événements sismiques de MB> 4,0 qui se sont produits dans un cube près des Fidji depuis 1964. Il s’agit d’un data-frame de 1000 observations et 5 variables (magnitude, latitude, longitude, profondeur et stations).

Nous avons ajouté au jeu de données la viriable région comprenant les modalités “Ouest” et “Est”. Nous avons aussi arrondit la variable magnitude à l’entier.

#quakes$magFactor <- factor(floor(quakes$mag))
quakes$magFactor <- factor(floor(quakes$mag))
quakes$region <- factor(quakes$long >= 175, labels = c("Ouest", "Est"))
data<-quakes
str(quakes)

## 'data.frame':    1000 obs. of  7 variables:
##  $ lat      : num  -20.4 -20.6 -26 -18 -20.4 ...
##  $ long     : num  182 181 184 182 182 ...
##  $ depth    : int  562 650 42 626 649 195 82 194 211 622 ...
##  $ mag      : num  4.8 4.2 5.4 4.1 4 4 4.8 4.4 4.7 4.3 ...
##  $ stations : int  41 15 43 19 11 12 43 15 35 19 ...
##  $ magFactor: Factor w/ 3 levels "4","5","6": 1 1 2 1 1 1 1 1 1 1 ...
##  $ region   : Factor w/ 2 levels "Ouest","Est": 2 2 2 2 2 2 1 2 2 2 ...

summary(quakes)

##       lat              long           depth            mag      
##  Min.   :-38.59   Min.   :165.7   Min.   : 40.0   Min.   :4.00  
##  1st Qu.:-23.47   1st Qu.:179.6   1st Qu.: 99.0   1st Qu.:4.30  
##  Median :-20.30   Median :181.4   Median :247.0   Median :4.60  
##  Mean   :-20.64   Mean   :179.5   Mean   :311.4   Mean   :4.62  
##  3rd Qu.:-17.64   3rd Qu.:183.2   3rd Qu.:543.0   3rd Qu.:4.90  
##  Max.   :-10.72   Max.   :188.1   Max.   :680.0   Max.   :6.40  
##     stations      magFactor   region   
##  Min.   : 10.00   4:802     Ouest:205  
##  1st Qu.: 18.00   5:193     Est  :795  
##  Median : 27.00   6:  5                
##  Mean   : 33.42                        
##  3rd Qu.: 42.00                        
##  Max.   :132.00

Création des graphiques

Nous avons créé différents types de graphiques avec le package ggplot2.

my3cols <- c("#E7B800", "#2E9FDF", "#FC4E07") # Couleurs
ToothGrowth$dose <- as.factor(ToothGrowth$dose) # Ajout de variable dose
# ---- Création de graphiques ----
Grap1 <- ggplot(quakes, aes(mag, fill = region)) +
  geom_histogram(mapping = aes(y = stat(density)),
                 binwidth = 0.1, color = "white")
Grap11 <- ggplot(ToothGrowth, aes(x = dose, y = len)) +
  geom_boxplot(aes(color = dose)) +
  scale_color_manual(values = my3cols)
Grap11

Grap2 <- ggplot(data = quakes) +
  geom_bar(mapping = aes(x = 1, fill = region)) +
  coord_polar(theta = "y") +                     # coordonnées polaires
  theme_void() +                                 # thème vide
  labs(fill = "classe de\nmagnitude")
Grap2

Grap22 <- ggplot(ToothGrowth, aes(x = dose, y = len)) +
  geom_dotplot(aes(color = dose, fill = dose), binaxis='y', stackdir='center') +
  scale_color_manual(values = my3cols) + 
  scale_fill_manual(values = my3cols)
Grap22

## `stat_bindot()` using `bins = 30`. Pick better value with `binwidth`.

Grap3 <- ggplot(data = quakes) + 
  geom_density(
    mapping = aes(x = mag, fill = region), 
    alpha = 0.5        # niveau d'opacité (0 = transparent, 1 = complètement opaque)
  ) +
  labs(x = "magnitude du séisme") +
  labs(y = "densité") +
  labs(fill = "région")
Grap3

Grap33 <- ggplot(economics, aes(x = date, y = psavert)) + 
  geom_line(color = "#E46726")
Grap33

Grap4 <- ggplot(data = quakes) + 
  geom_violin(mapping = aes(x = region, y = mag)) +
  labs(x = "région") +
  labs(y = "magnitude du séisme")
Grap4

Grap44 <- ggplot(iris, aes(Sepal.Length)) +
  geom_density(aes(color = Species)) +
  scale_color_manual(values = my3cols)
Grap44

Grap5 <- ggplot(quakes, aes(x = magFactor, y = long, color = region, shape = region)) +
  geom_jitter(position = position_jitter(0.2))
Grap5

Combinaison de graphique

Pour combiner plusieurs graphiques avec patchwork, il suffit simplement de les additionner.

Faisons la combinaisons des Graphes Grap1, Grap11, Grap3 et Grap33 :

Grap1 + Grap11 + Grap3 + Grap33

Agencement vertical et horizontal

En faisant appel à la fonction plot_layout() à l’assemblage, nous pouvons ajuster les mises en page (disposition).

Pour obtenir un agencement Vertical de 3 graphiques, il suffit de fixer ncol = 1.

Grap1 + Grap11 + Grap4 + plot_layout(ncol = 1)

Pour obtenir un agencement horizontal de 3 graphiques, on fixe nrow à 1

Grap1 + Grap11 + Grap4 + plot_layout(nrow = 1)

Exemple d’ajout d’espace entre les graphiques

Grap2 + plot_spacer() + Grap3

Précision des dimensions de chaque graphique

Nous pouvons modifier les dimensions des graphiques en ajoutant plot_layout les arguments heights (pour la hauteur) et width (la largeur).

Grap1 + Grap1 + plot_layout(heights = c(1, 3)) # Modification de la hauteur

Grap1 + Grap1 + plot_layout(width = c(3, 1)) # Modification de la largeur

Grap1 + Grap33 + Grap4 + Grap22 + Grap5 + Grap44 + plot_layout(heights = c(1, 3))

## `stat_bindot()` using `bins = 30`. Pick better value with `binwidth`.

Exemple de dispositions imbriquées

Grap1 + Grap22 +
  { Grap11 + { Grap2 + Grap4 + plot_layout(ncol = 1) }
} + Grap5 + plot_layout(nrow = 2)

## `stat_bindot()` using `bins = 30`. Pick better value with `binwidth`.

Exemple de disposition au même niveau

Nous allons mettre les graphiques “Grap4 + Grap2 + Grap44” et “Grap1” dans le même niveau

Grap4 + Grap2 + Grap44 - Grap1 + plot_layout(ncol = 1) # Meme colonne

Grap4 + Grap2 + Grap44 - Grap1 + plot_layout(nrow = 1)# Meme ligne

Nous pouvons également mettre les graphiques les uns à côté (sur/sous) des autres. patchwork nous fournit respectivement “|” et “/” pour les agencements horizontaux et verticaux

Exemple: les uns sur les autres : Grap4, Grap2 et Grap44 sur Grap1

(Grap4 | Grap2 | Grap44)/Grap1

Exemple: les uns sous les autres: Grap4, Grap2 et Grap44 sous Grap1

Grap1/(Grap4 | Grap2 | Grap44)

Exemple: Les uns à droite des autres: Grap4, Grap2 et Grap44 à droite de Grap1

Grap1|(Grap4 / Grap2 / Grap44)

Exemple: Les uns à gauche des autres: Grap4, Grap2 et Grap44 à gauche de Grap1

(Grap4 / Grap2 / Grap44)|Grap1

Modification des thèmes de plusieurs graphiques

Modification du thème des graphiques selon le niveau d’imbrication

(Grap1 + (Grap22 + Grap33) + Grap5 + plot_layout(ncol = 1)) * theme_gray()

## `stat_bindot()` using `bins = 30`. Pick better value with `binwidth`.

Seuls les thèmes des graphiques Grap1 et Grap5 sont modifiés avec l’opérateur *

Modification du thème de tous les graphiques

(Grap1 + (Grap22 + Grap33) + Grap5 + plot_layout(ncol = 1)) & theme_gray()

## `stat_bindot()` using `bins = 30`. Pick better value with `binwidth`.

Grap1 + Grap11 + Grap3 + Grap33

labels(c("Grap1", "Grap11", "Grap3", "Grap33"))

## [1] "1" "2" "3" "4"

—- Ajout d’annotation et de style —-

assemblage <- Grap1 + Grap11 + Grap3 + Grap33

patchwork nous fournit la fonction “plot_annotation()” afin d’ajouter du texte descriptif à notre assemblage graphique

Titres

assemblage + plot_annotation(title = "Combinaison des graphiques")

# sous-titres

assemblage + plot_annotation(title = "Combinaison des graphiques",
                subtitle = "Mon sous-titre")

légendes

assemblage + plot_annotation(title = "Combinaison des graphiques",
                subtitle = "Mon sous-titre",
                caption = "Ma légende")

Marquage

patchwork fournit également une fonctionnalité de marquage automatique qui s’active par la mise “tag_level” en “plot_annotation()”

Utilisation: ’1’pour les chiffres arabes, ’A’pour en majuscules lettres latines, ’a’pour les lettres latines minuscules, ’I’pour les chiffres romains en majuscules et ’i’pour les chiffres romains en minuscules.

assemblage + plot_annotation(title = "Combinaison des graphiques",
                             subtitle = "Mon sous-titre",
                             caption = "Légende: Ma légende ici",
                             tag_levels = 'A')

—- Enregistrement d’un “patchwork” —-

GF <- assemblage + plot_annotation(title = "Combinaison des graphiques",
                                   subtitle = "Mon sous-titre",
                                   caption = "Légende: Ma légende ici",
                                   tag_levels = 'A')

p = ggplot(quakes, aes(x = mag, y = stations, color=stations, size = stations)) + geom_point() +
  theme(legend.position="none")

mHa = ggMarginal(p, type = 'histogram')
mHa
mHc = ggMarginal(p, type="histogram", fill = "slateblue", xparams = list(  bins=10))
mHc

mDa = ggMarginal(p, type = 'density')
mDa 
mDc = ggMarginal(p, type="density", fill = "slateblue", xparams = list(  bins=10))

## Warning: Ignoring unknown parameters: bins

## Warning: Ignoring unknown parameters: bins

mDc 

mBa = ggMarginal(p, type = 'boxplot')
mBa
mBc = ggMarginal(p, type="boxplot", fill = "slateblue", xparams = list(  bins=10))

## Warning: Ignoring unknown parameters: bins

mBc

Option avancée

Si notrenuage de points a une variable de facteur mappée à une couleur (c’est-à-dire que les points dans le nuage de points sont codés par couleur en fonction d’une variable dans les données, en utilisant aes(colour = …)), nous pouvons utiliser groupColour = TRUE et/ou groupFill = TRUE pour refléter ces regroupements dans les graphiques marginaux. Il en résulte plusieurs tracés marginaux, un pour chaque groupe de points de couleur.

p <- ggplot(quakes, aes(x = mag, y = stations , colour = region)) +
  geom_point(aes(fill = region))

ggMarginal_Final = ggMarginal(p, groupFill = TRUE, groupColour = TRUE)