Comment faire un histogramme dans Base R

Dans ce tutoriel, nous allons visualiser des distributions de données en traçant des histogrammes à l'aide du langage de programmation R. Nous verrons ce qu'est un histogramme, comment lire des données dans R, comment créer un histogramme et comment personnaliser le tracé. 

Nous utiliserons le langage de programmation de base R sans aucun autre package. Cette approche est particulièrement utile lorsqu'il n'est pas possible d'utiliser d'autres logiciels ou lorsque vous souhaitez effectuer des analyses exploratoires rapides. Dans d'autres cas, vous pouvez envisager d'utiliser ggplot2, comme indiqué dans notre tutoriel How to Make a ggplot2 Histogram in R (Comment faire un histogramme avec ggplot2 dans R).

Pour exécuter facilement vous-même tous les exemples de code de ce tutoriel, vous pouvez créer gratuitement un classeur DataLab dans lequel R est préinstallé et qui contient tous les exemples de code. Pour en savoir plus sur la création d'un histogramme dans R, consultez cet exercice pratique de DataCamp.

Qu'est-ce qu'un histogramme ?

Un histogramme est un graphique très populaire utilisé pour montrer les distributions de fréquence des variables continues (numériques). Les histogrammes nous permettent de voir le nombre d'observations dans les données à l'intérieur des plages que la variable couvre.

Les histogrammes ressemblent à des diagrammes à barres. Une différence essentielle entre les deux est que les diagrammes en bâtons ont une valeur associée à une catégorie spécifique ou à une variable discrète, alors qu'un histogramme visualise des fréquences pour des variables continues. 

Configuration des données pour les histogrammes

Nous utiliserons cet ensemble de données sur le logement qui comprend des détails sur différentes listes de maisons, y compris la taille de la maison, le nombre de pièces, le prix et des informations sur l'emplacement. Nous pouvons lire les données à l'aide de la fonction read.csv(), soit directement à partir de l'URL, soit en téléchargeant le fichier csv dans un répertoire et en le lisant à partir de notre stockage local. Nous pouvons également spécifier que nous ne voulons stocker que les colonnes qui nous intéressent dans le cadre de ce tutoriel : le prix et la condition.

home_data <- read.csv("https://raw.githubusercontent.com/rashida048/Datasets/master/home_data.csv")[ ,c('price', 'condition')]

Examinons les premières lignes de données à l'aide de la fonction head().

head(home_data, 5)

Création d'histogrammes avec Base R

Ensuite, nous allons créer un histogramme à l'aide de la fonction hist() afin d'examiner la distribution des prix dans notre ensemble de données.

hist(home_data$price)

Histogramme de base des prix de l'immobilier. Image par l'auteur.

Ajouter des statistiques descriptives

Nous pouvons ajouter des statistiques descriptives à l'histogramme à l'aide de la fonction abline(). Cela ajoute une ligne verticale au tracé.

• Fixez l'argument v à la position de la ligne verticale sur l'axe des x. Ici, nous obtenons le prix moyen des maisons en utilisant mean().
• L'argument col définit la couleur de la ligne, dans ce cas-ci en rouge.
• L'argument lwd définit la largeur de la ligne. Une valeur de 3 augmente l'épaisseur de la ligne pour la rendre plus facile à voir.

hist(home_data$price)

abline(v = mean(home_data$price), col='red', lwd = 3)

Représentation graphique des densités de probabilité

Pour ajouter une ligne de densité de probabilité à l'histogramme, nous modifions d'abord l'axe des ordonnées pour qu'il soit mis à l'échelle de la densité. Dans l'appel à hist(), nous fixons l'argument probability à TRUE.

La ligne de densité de probabilité est obtenue par une combinaison de density(), qui calcule la position de la courbe de densité de probabilité, et de lines(), qui ajoute la ligne au tracé existant.

hist(home_data$price, probability = TRUE)
abline(v = mean(home_data$price), col='red', lwd = 3)
lines(density(home_data$price), col = 'green', lwd = 3)

Histogramme des prix des logements avec la moyenne en surbrillance. Image par l'auteur.

Remarquez que les chiffres de l'axe des ordonnées ont changé.

Personnalisation de la couleur

Nous pouvons modifier les couleurs à l'intérieur des cellules de l'histogramme en utilisant le paramètre col de la fonction hist(). Nous allons changer le remplissage en bleu. Nous pouvons également modifier la couleur du contour des barres à l'aide du paramètre border. Nous allons changer la couleur des contours en blanc.

hist(home_data$price, col = 'blue', border = "white")

Histogramme des prix des logements avec ajout de couleurs. Image par l'auteur.

Ajout d'étiquettes et de titres

Nous pouvons modifier les étiquettes du graphique pour le rendre plus lisible et plus présentable. Cette fonction est utile si vous partagez l'intrigue avec d'autres personnes.

• xlab définit l'étiquette de l'axe des x
• ylab définit l'étiquette de l'axe des y
• main définit le titre de l'intrigue

hist(home_data$price, xlab = 'Price (USD)', ylab = 'Number of Listings', main = 'Distribution of House Prices')