Visualisation ?

“Transformation of the symbolic into the geometric”
[McCormick et al. 1987]

“… finding the artificial memory that best supports our natural means of perception.”
[Bertin 1967]

“The use of computer-generated, interactive, visual representations of data to amplify cognition.”
[Card, Mackinlay, & Shneiderman 1999]

Pourquoi visualiser ?

Intégrer l’humain dans la boucle

• Répondre a des questions ou trouver des questions ?
• Prendre des décisions
• Remettre les données dans leur contexte
• Amplifier la mémoire
• Calcul graphique
• Trouver des schémas, des patterns
• Présenter des arguments
• Inspirer

Pourquoi visualiser ?

Analyser :

• Développer et critiquer des hypothèses
• Découvrir des erreurs
• Trouver des patterns

Communiquer

• Partager et convaincre
• Collaborer et réviser

Anscombe quartet

Anscombe quartet

Cholera map (John Snow)

Visualiser

=

encoder dans des

variables graphiques

les données

Variables graphiques

Bertin Jacques, Sémiologie graphique, Paris, Mouton/Gauthier-Villars, 1967.

Variables graphiques

Bertin Jacques, Sémiologie graphique, Paris, Mouton/Gauthier-Villars, 1967.

Marques // variables graphiques

Marques :

Eléments de base du graphiques

Variables graphique (chanels) :

Ce qui va varier en fonctions des données

Variables graphiques, marques

Variables graphiques, marques

Toutes les variables graphiques ne se valent pas.

Variables graphiques, marques

Choisir une variable graphique adapté aux type de la variable représenté

Variables graphiques, marques

Ce qui est intéressant n’est pas toujours ce que l’on a au départ.

pré-attentive processing

Combien de 3 ?

1281768756138976546984506985604982826762 9809858458224509856458945098450980943585 9091030209905959595772564675050678904567 8845789809821677654876364908560912949686

pré-attentive processing

Combien de 3 ?

1281768756138976546984506985604982826762 9809858458224509856458945098450980943585 9091030209905959595772564675050678904567 8845789809821677654876364908560912949686

pré-attentive processing

pré-attentive processing

pré-attentive processing

Questions ? type des variables ?

continues ? discrètes ? ordonnées ? temporelles ? spatiales ?

Des catégories

et

une quantité pour chaque catégorie

le bar chart

le bar chart

library(rjson)
library(dplyr)
?mpg

dataset mpg

• manufacturer.

• model.

• displ. engine displacement, in litres

• …

le bar chart

m_cty = mpg %>% group_by(manufacturer) %>% summarize(mcty=mean(cty))
ggplot(data=m_cty)+
  geom_bar(aes(x=manufacturer,y=mcty),stat = 'identity')+
  scale_x_discrete("Manufacturer")+
  scale_y_continuous("Miles / Gallon (City conditions)")

Ordre ?

m_cty_ordered = m_cty %>% arrange(desc(mcty)) %>% 
  mutate(manufacturer=factor(manufacturer,levels=manufacturer))
ggplot(data=m_cty_ordered)+
  geom_bar(aes(x=manufacturer,y=mcty),stat = 'identity')+
  scale_x_discrete("Manufacturer")+
  scale_y_continuous("Miles / Gallon (City conditions)")

Horizontal ?

ggplot(data=m_cty_ordered)+
  geom_bar(aes(x=manufacturer,y=mcty),stat = 'identity')+
  scale_x_discrete("Manufacturer")+
  scale_y_continuous("Miles / Gallon (City conditions)")+
  coord_flip()

La ligne :

1 variable numérique

en fonction du

temps

Données Vélib’ aggrégées :

url="http://vlsstats.ifsttar.fr/data/temporalstats_Velib2018.json"
# lecture des données
data=fromJSON(file=url)
# construction d'une liste de data.frame homogènes
tempstats.list=lapply(data,function(x){
  data.frame(time=x$'_id',nbbikes=x$value$total_available_bikes)})
# concatenations des data.frame ?do.call
tempstats.df=do.call(rbind,tempstats.list)

Ordre naturel imposé par le temps

ggplot(data=tempstats.df,aes(x=time,y=nbbikes))+geom_point()

Ordre naturel imposé par le temps

ggplot(data=tempstats.df,aes(x=time,y=nbbikes))+geom_line()

Aspect ratio

ggplot(data=tempstats.df,aes(x=time,y=nbbikes))+geom_line()

Aspect ratio

ggplot(data=tempstats.df,aes(x=time,y=nbbikes))+geom_line()

Aspect ratio

ggplot(data=tempstats.df,aes(x=time,y=nbbikes))+geom_line()

Aspect ratio, 45°

Cleveland, William S., Marylyn E. McGill, and Robert McGill. “The shape parameter of a two-variable graph.” Journal of the American Statistical Association 83.402 (1988): 289-300.

Aire + Echelle

ggplot(data=tempstats.df,aes(x=time,y=nbbikes))+geom_area()

Changement de point de vue

ggplot(data=tempstats.df,aes(x=time,y=max(nbbikes)-nbbikes))+
  geom_area()

<spanclass=“green”> 1 variable numérique

en fonction du

temps

+ catégories

Données Vélib par stations

# téléchargement et remise en forme des données
url = "http://vlsstats.ifsttar.fr/data/spatiotemporalstats_Velib2018.json"
data=fromJSON(file=url)
extract = function(x){
  data.frame(id=x$'_id',
             time= x$download_date,
             nbbikes = x$available_bikes )
  }
st_tempstats.df=do.call(rbind,lapply(data,extract))
sel = st_tempstats.df %>% select(id) %>% unique() %>% sample_n(8) %>% pull()
# selection de quelques stations
st_tempstats_sub.df = st_tempstats.df %>% 
  filter(id %in% sel)

Line charts superposés

ggplot(data=st_tempstats_sub.df)+
  geom_line(aes(x=time,y=nbbikes,group=id,color=factor(id)),size=2)

Small multiples

ggplot(data=st_tempstats_sub.df)+
  geom_line(aes(x=time,y=nbbikes,group=id,color=factor(id)),size=2)+
  facet_grid(id ~ .)

2 variables numériques

+ catégories

Scatter plot + colors

mpg_su = mpg %>% 
  filter(class %in% c('compact','suv','pickup','minivan')) 
ggplot(mpg_su)+geom_point(aes(x=cty,y=hwy,color=class))

Scatter plot + symbols

mpg_su = mpg %>% 
  filter(class %in% c('compact','suv','pickup','minivan')) 
ggplot(mpg_su)+geom_point(aes(x=cty,y=hwy,shape=class))

3 variables numériques (dont une >0)

+ catégories

Scatter plot + couleur + taille

ggplot(mpg_su)+geom_point(aes(x=cty,y=hwy,color=class,size=displ))

Scatter plot + couleur + taille ! echelles

ggplot(mpg_su)+geom_point(aes(x=cty,y=hwy,color=class,size=displ))

Taille des cercles : échelle aire ou rayon ?

Rayon

Aire

Principes :

Eviter de mentir,
Lie Factor

\[\textrm{Lie factor} = \frac{\textrm{visual effect size}}{\textrm{data effect size}}\]

Lie factor :

Edward Tufte, The Visual Display of Quantitative Information, Cheshire, CT, Graphics Press, 2001, 2e éd. (1re éd. 1983)

Lie factor :

Edward Tufte, The Visual Display of Quantitative Information, Cheshire, CT, Graphics Press, 2001, 2e éd. (1re éd. 1983)

Lie factor :

Edward Tufte, The Visual Display of Quantitative Information, Cheshire, CT, Graphics Press, 2001, 2e éd. (1re éd. 1983)

Lie factor : 9.4

Edward Tufte, The Visual Display of Quantitative Information, Cheshire, CT, Graphics Press, 2001, 2e éd. (1re éd. 1983)

Sachant que l’aire de la tranche “apple”" (en vert) est proportionelle à \(2.22\,cm^2\) et celle correspondant à rim (en bleue) est proportionelle à \(2.96\,cm^2\) calculer le lying factor ?

Perception

\[S = I^p\]

Principes :

Augmenter la densité de données

Data density :

Eviter les graphique à faible densité

Edward Tufte, The Visual Display of Quantitative Information, Cheshire, CT, Graphics Press, 2001, 2e éd. (1re éd. 1983)

Data density :

Meilleure densité de donnée

Edward Tufte, The Visual Display of Quantitative Information, Cheshire, CT, Graphics Press, 2001, 2e éd. (1re éd. 1983)

• éviter de mentir !
• faire des graphiques riches
• avec des encodages adaptés
• de bonnes échelles, (!couleurs, !aires)
• des axes labelisés
• ordre des facteurs
• aspect ratio
• format d’enregistrements pdf, svg // png,jpg

ggplot

gg = grammar of graphics

• “The Grammar of Graphics” (Wilkinson, Annand and Grossman, 2005)
• grammaire → même type de description pour des graphique différents

ggplot

Composants de la grammaires :

ggplot

Création d’un graphique :

ggplot, géométries

Création d’un graphique :

+geom_line()

aes(x=a,y=b,...)

ggplot(mpg)+
  geom_point(aes(x=cty,y=hwy,color=manufacturer,shape=factor(cyl)))
ggplot(mpg,aes(x=cty,y=hwy,color=manufacturer,shape=factor(cyl)))+
  geom_jitter()

ggplot

ggplot(mpg,aes(x=cty,y=hwy,color=manufacturer))+geom_point()

ggplot

ggplot(mpg,aes(x=cty,y=hwy,color=manufacturer))+geom_jitter()

ggplot

ggplot(mpg,aes(x=cty,fill=manufacturer))+geom_histogram(binwidth=2)

ggplot

ggplot(mpg,aes(y=cty,x=manufacturer))+geom_violin()

Création d’un graphique :

+geom_line()

aes(x=a,y=b,...)

scale_fill_brewer(palette=3,type="qual")
scale_x_continuous(limits=c(0,45),breaks=seq(0,45,2))

ggplot, échelles

ggplot(mpg,aes(x=cty,y=hwy,color=manufacturer,shape=factor(cyl)))+
  geom_jitter()+
  scale_x_continuous(limits=c(0,45),breaks=seq(0,45,2))

Echelles
de
couleurs

Echelle de couleurs

http://colorbrewer2.org/

ggplot, facettes

Création d’un graphique :

+geom_line()

aes(x=a,y=b,...)

scale_fill_brewer(palette=3,type="qual")
scale_x_continuous(limits=c(0,45),breaks=seq(0,45,2))

facet_grid(. ~ cyl)

ggplot, facettes

ggplot(data=mpg,aes(x=hwy,y=cty,color=class))+
  geom_point()+
  facet_wrap(~year)

ggplot, stats

Création d’un graphique :

+geom_line()

aes(x=a,y=b,...)

scale_fill_brewer(palette=3,type="qual")
scale_x_continuous(limits=c(0,45),breaks=seq(0,45,2))

stat_density2d()

ggplot

ggplot(mpg,aes(y=cty,x=hwy))+
  geom_point(color="blue")+stat_density2d()

ggplot

ggplot(mpg,aes(y=cty,x=hwy))+
  geom_point(color="blue")+stat_smooth()

ggplot

library(hexbin)
ggplot(mpg,aes(y=cty,x=hwy))+
  stat_binhex()

Exercices

Reprendre les échelles, légendes de cette figures

# téléchargement et remise en forme des données
url="http://vlsstats.ifsttar.fr/data/spatiotemporalstats_Velib2018.json"
data=fromJSON(file=url)
extract = function(x){
  data.frame(id=x$'_id',
             time= x$download_date,
             nbbikes = x$available_bikes )
  }
st_tempstats.df=do.call(rbind,lapply(data,extract))
# selection de 3 stations
st_tempstats_sub.df = st_tempstats.df %>% 
  filter(id %in% sel)
ggplot(data=st_tempstats_sub.df)+
  geom_line(aes(x=time,y=nbbikes,group=id,color=factor(id)),size=2)+
  facet_grid(id ~ .)

Exercices

Reprendre les échelles, légendes de cette figures

Exercices

Reproduire ce graphique (Les données Iris sont déjà chargées)

Exercices

Reproduire ce graphique (Les données mtcars sont déjà chargées) ! modifier le theme du graphique ?theme

Exercices

Reproduire ce graphique

Exercices

• Données Vélib de New York
• Calculer le taux de remplissage / max(velos disponnibles)
• passer en format large
• k-means en 8 classes Matrixe X (lignes = stations, colonnes = pas de temps)
• facet + courbes moyennes + transparence (alpha)

Sources

• https://www.r-graph-gallery.com/index.html
• http://www.cis.umassd.edu/~dkoop/cis467
• https://www.namwkim.org/datavis
• https://courses.cs.washington.edu/courses/cse512
• https://serialmentor.com/dataviz/
• http://socviz.co/gettingstarted.html