Les 5 thèmes de graphiques les plus visités sur R Graph Gallery

1. La grammaire des graphiques : ggplot2

Sans surprise, la catégorie ggplot2 est de loin la plus visitée : elle représente environ 15 % du trafic pris en compte pour ce billet (qui couvre 45 % du trafic total, comme mentionné plus haut).

Ce volume s’explique non seulement par la popularité de ce package dans la communauté R, mais aussi par le fait que cette catégorie regroupe tous types de graphiques réalisables avec ggplot2, comme les boxplots, nuages de points, graphiques de zone, etc. Elle contient également des sous‑sections montrant comment ajouter des annotations, gérer les couleurs de vos graphiques ou créer du « data art ». Bref, cette catégorie concentre énormément d’informations sur ce package R.

Cette bibliothèque, « un système de traçage pour R fondé sur la grammaire des graphiques », fait référence en matière de graphiques R, et de nombreuses ressources existent pour en apprendre la syntaxe, comme le cours DataCamp Data Visualization with ggplot2 ou le livre ggplot2 de son créateur Hadley Wickham.

ggplot2 implémente la grammaire des graphiques, c’est‑à‑dire une grammaire de base pour produire des visuels : vous avez besoin de données et d’éléments graphiques pour construire vos tracés, tout comme une phrase nécessite des pronoms personnels et un verbe conjugué.

Concrètement, vous alimentez un graphique avec des éléments x et y et manipulez des détails comme les couleurs, les marqueurs, etc., en tant qu’éléments graphiques. Vous verrez que ggplot2 opère cette distinction et qu’on retrouve souvent quelques éléments fondamentaux dans ses graphiques : données, géométries, esthétiques et échelles.

Bien sûr, il existe des aspects plus avancés de la grammaire ggplot2, comme les transformations statistiques et les facettes, mais ils ne seront pas abordés ici. Consultez les ressources citées ci‑dessus pour approfondir ggplot2 et ses possibilités.

Revenons à la galerie : elle présente actuellement une quarantaine de graphiques réalisés avec ce package, couvrant les principaux types de diagrammes, comme le diagramme en barres que vous trouverez ci‑dessous :

Vous voyez que le graphique ci‑dessous utilise trois des quatre éléments cités plus haut : données, esthétiques et géométries. Maintenant, regardons le résultat de plus près ou agrandissez la fenêtre dans l’onglet « Plots » apparu à côté de votre console R dans le bloc DataCamp Light ci‑dessus :

Notez que si vous avez besoin de thèmes, d’échelles et de geoms supplémentaires pour vos graphiques ggplot2, vous pouvez toujours les obtenir via des packages additionnels comme ggthemes ou le package ggthemr.

2. Graphiques interactifs

En deuxième position, la catégorie des graphiques interactifs représente environ 11 % du trafic retenu pour ce billet. Comme pour ggplot2, on peut supposer que l’attrait vient en partie du caractère généraliste de cette catégorie, qui regroupe beaucoup d’informations sur différents types de graphiques interactifs.

Mais qu’est‑ce qu’un graphique interactif ?

Ce sont bien sûr des graphiques, mais leur particularité est de permettre de zoomer/dézoomer, de manipuler les axes, de survoler des éléments pour afficher des informations supplémentaires, d’exporter au format png, de filtrer des données spécifiques, etc. Ils permettent aux utilisateurs d’explorer les données et de trouver l’information dont ils ont besoin.

Pendant l’analyse, ces graphiques favorisent une exploration plus efficace de vos données. En restitution auprès de clients, collègues ou lecteurs, ils captent l’attention et facilitent la compréhension ; les graphiques interactifs instaurent une interaction bidirectionnelle entre l’utilisateur et le visuel, une situation gagnant‑gagnant.

Ce n’est pas un hasard si des journaux comme le New York Times et des revues scientifiques comme Science les utilisent désormais largement !

En R, il est remarquablement simple d’en créer grâce aux htmlwidgets.

Outre des exemples avec ce package, la galerie présente aussi plusieurs cas utilisant Plotly. Plotly est un package R pour créer des graphiques web via la bibliothèque JavaScript open source plotly.js. Sa syntaxe est très proche de celle de ggplot2 : vous réaliserez probablement votre premier graphique interactif en quelques minutes. Pour démarrer, consultez ce tutoriel Plotly.

Bien entendu, vous pouvez aussi créer des graphiques interactifs avec Shiny, une bibliothèque R qui transforme vos analyses en applications web interactives. Et au‑delà des bibliothèques citées ici, il en existe bien d’autres pour rendre vos visualisations statiques interactives.

3. Boxplots

La catégorie boxplot représente environ 8 % du trafic pris en compte pour ce billet. C’est la troisième catégorie la plus populaire du site, sans doute parce qu’elle est plus spécifique que les deux précédentes : elle traite d’un type de graphique précis.

Les boxplots n’ont plus besoin d’être présentés. C’est un outil courant pour visualiser la relation entre une variable numérique et une variable discrète. Attention toutefois à ne pas passer à côté d’informations cachées derrière un boxplot (comme une distribution bimodale) !

La R Graph Gallery propose des alternatives intéressantes, comme les violin plots ou les boxplots avec jitter. Vous constaterez que, même si ggplot2 a sa propre section, ce package reste très populaire, aux côtés des fonctions de base de R comme jitter() !

4. Spider plots

De façon surprenante, la catégorie des spider plots ou « web charts » rencontre un fort succès sur la galerie, avec 6 % des 45 % de trafic analysés pour ce billet.

Les diagrammes en radar permettent de comparer plusieurs variables quantitatives. Un des exemples consiste à construire ces graphiques avec la fmsb, qui contient des fonctions utilitaires pour le livre « Practices of Medical and Health Data Analysis using R ».

Le code du bloc DataCamp Light produit le résultat suivant (ou agrandissez simplement la fenêtre dans l’onglet « Plots » apparu à côté de votre Console R dans le bloc DataCamp Light) :

Astuce : comme vous pouvez l’imaginer, évitez de représenter trop de groupes sur un même graphique ! L’illisibilité arrive très vite.

Le package fmsb n’est pas la seule option : vous pouvez aussi réaliser des radars avec ggplot, même si ce n’est pas inclus en standard. Vous trouverez un tutoriel ici ou l’extension ggradar de ggplot2.

Autre piste intéressante : le package radarchart, à garder en tête si vous souhaitez créer des radars interactifs.

5. Data art

Curiosité ? Plaisir ? Intérêt ? Surprise ?

Je ne sais pas ce qui y conduit les visiteurs, mais la section Data Art est la cinquième thématique la plus consultée par les utilisateurs de la R Graph Gallery, avec environ 5 % du trafic pris en compte pour ce billet.

Ce n’est clairement pas ce que l’on voit tous les jours !

Cette page présente un aperçu des travaux de 10 « data aRtists » du monde entier. Le Data Art est une tendance émergente où l’on crée de l’art à partir de données. Les formes sont multiples : données réelles ou non, représentations figuratives ou formes abstraites.

Intéressé et envie d’en savoir plus ? Parcourez cette section et, bien sûr, n’hésitez pas à proposer vos créations !

Vous souhaitez contribuer à la R Graph Gallery, proposer un graphique ou en demander un qui manque ? Rendez‑vous ici.