SciViews::R(lang = "fr")

## ✓ Default language: fr

Objectif

Analyse graphique du jeu de données data.io::zooplankton.

Analyses graphiques

zoo <- read(file = "zooplankton", package = "data.io")
names(zoo)

##  [1] "ecd"          "area"         "perimeter"    "feret"        "major"       
##  [6] "minor"        "mean"         "mode"         "min"          "max"         
## [11] "std_dev"      "range"        "size"         "aspect"       "elongation"  
## [16] "compactness"  "transparency" "circularity"  "density"      "class"

chart(data = zoo, ~ ecd) + geom_histogram(bins = 10)

chart(data =zoo, ~ ecd) + geom_histogram (bins = 25)

chart(data = zoo, ~ ecd) + geom_histogram (bins = 40)

chart(data = zoo, ~ ecd) + geom_histogram (bins = 55)

Je juge que le graphique C (avec 40 classes)est le plus pertinent. Les 40 classes nous permettent d’avoir suffisamment de détails et d’informations concernant le dimaètre circulaire équivalent. Le découpage des classes est raisonnable, ce qui fait que l’histogramme est lisible et compréhensible.

# Graphique sélectionné et mis au net
chart(data = zoo, ~ ecd) + geom_histogram ( bins = 40) +
ylab("Effectifs")

Ce graphique de densité concernant la distribution du périmètre chez les zooplanctons, est asymétrique et n’est pas énormément détaillé. Néanmoins, ce graphique est lisible et compréhensible.

chart(data = zoo, ~ perimeter) + geom_density ()

Ce graphique en violon est lisible et compréhensible. Il met en évidence chaque classe tout en les distinguant par des couleurs. Cette visibilité est claire, car il n’y a plus de problème de chevauchement sur l’axe des abscisses. Par exemple, la classe des protistes (marqué en rose)a une aire très faible. Ce graphique en violon nous permet d’identifier l’ aire d’un nombre important de classes.

chart(data = zoo, area ~ class %fill=% class) + geom_violin()+ coord_flip()

Ce graphique de densité concernant l’aire de chacune des classes est encore plus précis avec cette fonction. Comparé au graphique précédent, les pics correspondant aux classes sont colorés de la même couleur que celle qui correspondant à la classe. Par exemple, la classe des protistes se distinguent des autres classes grâce à la couleur rose et le pic qui marque l’aire de cette classe est également en rose (ce pic tourne autour de la valeur 0mm2). Cette précision qui est permise par la fonction, est efficace car elle nous permet de lire et de comprendre encore plus clairement ce graphique en violon.

 chart(data = zoo, class~ area %fill=% class) + ggridges::geom_density_ridges()

## Picking joint bandwidth of 0.201

# Réduction du jeu de données zoo
zoo_sub <- sfilter(zoo, class %in% c("Poecilostomatoid", "Calanoid", "Cyclopoid", "Harpacticoid"))

Ce graphique nous permet de visualiser 4 graphiques concernant 4 classes différentes à la fois.

chart(data = zoo_sub, ~ feret %fill=% class | class) + 
  #geom_histogram (data = sselect(zoo_sub, -class), fill = "class", bins = 25) +
  geom_histogram(show.legend = FALSE, bins = 25) +
  ylab("Effectifs") + scale_fill_viridis_d()

chart(data = zoo_sub, ~ transparency) + geom_density () + ylab("Densité")

chart(data = zoo_sub, ~ transparency) + geom_histogram() 

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