1 Objectifs d’apprentissage

À la fin de cette leçon, vous serez capable de :

  1. Tracer un histogramme pour visualiser la distribution de variables continues en utilisant geom_histogram().

  2. Ajuster le nombre ou la largeur des classes (bins) d’un histogramme à l’aide des paramètres bins ou binwidth.

  3. Décaler et aligner les classes d’un histogramme avec l’argument boundary.

  4. Définir les limites des classes avec l’argument breaks.

2 Introduction

Un histogramme est un graphique qui visualise la distribution d’une variable numérique comme suit :

  1. Nous divisons d’abord l’axe des abscisses en une série de classes, chaque classe représentant un intervalle de valeurs.

  2. Pour chaque classe, nous comptons le nombre d’observations qui se situent dans son intervalle.

  3. Puis pour chaque classe, nous traçons une barre dont la hauteur indique le nombre correspondant d’observations.

3 Les packages

pacman::p_load(tidyverse,
               here)

4 Maladies diarrhéiques chez l’enfant au Mali

Nous allons visualiser la distribution des variables numériques du dataframe malidd que nous avons vu dans les cours précédents.

# Importer les données du CSV
malidd <- read_csv(here::here("data/clean/malidd.csv"))

Ces données ont été collectées dans le cadre d’une étude observationnelle sur la diarrhée aiguë chez les enfants âgés de 0 à 59 mois. L’étude a été menée au Mali début 2020. La base de données enregistre les informations démographiques et cliniques de 150 patients.

# Afficher les premières lignes du dataframe
head(malidd)

Le dataframe contient 21 variables. Plusieurs d’entre elles sont continues, comme height_cm (taille en cm), viral_load (charge virale), et freqrespi (fréquence respiratoire).

5 Histogramme basique avec geom_histogram()

Nous allons utiliser {ggplot2} pour visualiser la distribution de la taille des enfant. Les données sont enregistrées dans la colonne height_cm de malidd.

La fonction geom_*() utilisée pour les histogrammes est geom_histogram()

# Histogramme basique montrant la distribution de height_cm
ggplot(data = malidd, 
       mapping = aes(x = height_cm)) +
  geom_histogram()
## `stat_bin()` using `bins = 30`. Pick better
## value with `binwidth`.

Si nous n’ajustons pas les classes dans geom_histogram(), nous obtenons un message d’avertissement. Vous pouvez ignorer ce message pour le moment. Vous apprendrez comment personnaliser les classes dans la prochaine section.

Dans l’histogramme précédent, il est difficile de visualiser les limites de chaque classe. Par conséquent, nous allons ajouter des bordures aux barres :

# Définir la couleur de la bordure à "white"
ggplot(data =  malidd , 
       mapping = aes(x = height_cm)) +
  geom_histogram(color = "white")
## `stat_bin()` using `bins = 30`. Pick better
## value with `binwidth`.

Il est maintenant plus facile d’associer chaque barre à la classe à laquelle elle correspond.

Nous pouvons également modifier la couleur des barres en ajoutant l’argument fill :

# Définir la couleur de remplissage à "steelblue"
ggplot(data =  malidd , 
       mapping = aes(x = height_cm)) +
  geom_histogram(color = "white", 
                 fill = "steelblue")
## `stat_bin()` using `bins = 30`. Pick better
## value with `binwidth`.

Maintenant que nous sommes en mesure de distinguer les barres, analysons l’histogramme obtenu. Voici quelques questions auxquelles nous pourrions chercher à répondre :

  1. Quelles sont les valeurs minimale et maximale ?

  2. Quelle est la valeur “centrale” ou la valeur “la plus courante” ?

  3. Comment sont réparties les valeurs ?

  4. Quelles sont les valeurs les plus fréquentes et celles qui le sont moins ?

Nous pouvons voir que les tailles varient de 50 à 105 cm. Le centre se situe aux alentours de 70 cm, la majorité des patients ayant une taille comprise entre 60 et 80 cm, avec très peu de personnes mesurant moins de 55 cm ou plus de 90 cm. Il est à noter que l’histogramme présente une forme de cloche, ce qui suggère que la variable suit une distribution normale (à peu près).

  • Tracez un histogramme montrant la distribution de l’âge (age_months) dans malidd. Définissez les bordures et le remplissage des barres à “seagreen”, et réduisez l’opacité à 40%.

  • En vous basant sur le code précédent, modifiez les titres des axes pour “Âge (mois)” et “Nombre d’enfants”, respectivement.

6 Ajuster les classes dans un histogramme

Histogrammes représentant la même variable avec différents réglages des classes.
Histogrammes représentant la même variable avec différents réglages des classes.

Lorsque nous avons exécuté le code dans les exemples précédents, nous avons obtenu un histogramme ainsi qu’un message d’avertissement relatif au nombre et à la largeur des classes. Ce message d’avertissement nous indique que bins = 30, ce qui correspond à 30 classes également espacées.

# Le message d'avertissement nous dit de changer la valeur par défaut de 30 classes
ggplot(data =  malidd ,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(color = "white",                 
                 fill = "steelblue")
## `stat_bin()` using `bins = 30`. Pick better
## value with `binwidth`.

À moins que vous ne spécifiez explicitement le nombre de classes, R continuera à donner ce message.

Nous pouvons modifier le nombre de classes en utilisant l’un de ces trois arguments de geom_histogram() :

  1. Définir le nombre de classes avec bins

  2. Définir la largeur des classes avec binwidth

  3. Définir les limites des classes avec breaks

6.1 Définir le nombre de classes avec bins

Avec la première méthode, nous pouvons spécifier le nombre de classes sur l’axe des x en réglant bins = ENTIER :

# Essayer différents nombres de classes
ggplot(data =  malidd,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(bins = 5,  
                 color = "white",
                 fill = "steelblue")

ggplot(data =  malidd,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(bins = 20,                                               
                 color = "white",
              fill = "steelblue")

ggplot(data =  malidd,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(bins = 50,
                 color = "white",
                 fill = "steelblue")

Traçez un histogramme de la fréquence respiratoire (freqrespi), qui est mesurée en respirations par minute. Réglez la couleur de remplissage à “indianred3” et la couleur de la bordure à “lightgray”.

Notez qu’avec les 30 classes par défaut, il existe certains intervalles pour lesquels aucune barre n’est tracée (c’est-à-dire qu’il n’y avait aucune observation dans cet intervalle).

Diminuez le nombre de classes jusqu’à ce qu’il n’y ait plus d’intervalles vides. Sélectionnez la valeur la plus élevée pour laquelle il n’y a pas d’espaces vides.

6.2 Définir la largeur des classes avec binwidth

Avec la deuxième méthode, au lieu de spécifier le nombre de classes, nous spécifions leur largeur en utilisant l’argument binwidth dans geom_histogram().

# Essayer différentes largeurs de classes
ggplot(data =  malidd,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(color = "white",                  
                 fill = "steelblue",
                 binwidth = 3)

En examinant l’étendue des valeurs, nous pouvons choisir une largeur de classes appropriée.

range(malidd$height_cm)
## [1]  50.3 103.4
ggplot(data =  malidd,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(color = "white",                  
                 fill = "steelblue",
                 binwidth = 5)

Nous pouvons aussi utiliser l’argument boundary pour aligner les classes aux intervalles correspondantes sur l’axe des x.

# Mettre `boundary` égal à la valeur minimale de la variable
ggplot(data =  malidd,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(color = "white",                  
                 fill = "steelblue",
                 binwidth = 5,                 
                 boundary = 50)

Créez le même histogramme de la variable freqrespi en définissant cette fois-ci la largeur des classes de manière à obtenir 18 classes. Ensuite, alignez les classes sur les valeurs de l’axe des x en ajustant les limites des classes.

6.3 Modifier les limites des classes avec breaks

Pour modifier les limites des classes, définissez breaks à un vecteur numérique dans geom_histogram() :

# Fournir un vecteur qui couvre l'étendue des valeurs de height_cm
ggplot(data =  malidd,        
       mapping = aes(x = height_cm)) +  
  geom_histogram(color = "white",                  
                 fill = "steelblue",                 
                 breaks = seq(50, 105, 5))

Tracez l’histogramme de freqrespi avec des limites allant de la valeur la plus basse de freqrespi à la plus élevée et des intervalles de 4.

Ensuite, ajustez l’échelle de l’axe des abscisses en ajoutant une fonction scale_*(). Configurez la plage valeurs de 24 à 60, avec des intervalles de 8.

7 En résumé

Contrairement aux nuages de points et aux graphiques linéaires, les histogrammes représentent les informations d’une seule variable numérique. Plus précisément, ils permettent de visualiser la distribution de la variable numérique en question.

Contributeurs

Les membres suivants ont contribué à ce cours :

Références

Le contenu de ce cours a été en partie adapté des sources suivantes :

  • Ismay, Chester, and Albert Y. Kim. 2022. A ModernDive into R and the Tidyverse. https://moderndive.com/.
  • Chang, Winston. 2013. R Graphics Cookbook: Practical Recipes for Visualizing Data. 1st edition. Beijing Köln: O’Reilly Media.

This work is licensed under the Creative Commons Attribution Share Alike license. Creative Commons License