graphpdd: Une fonction permettant de produire des graphiques pour le...
In dominiqueemmanuel/graphpdd: Permet de produire des graphiques pour le menu PDD.

Les analyses dépendent du fait qu'il y ait une ou deux variables à analyser ainsi que du type (général) de chacune des variables à analyser.

1
2
3

graphpdd(data, type_general, is_mono = TRUE, lib_var, weight = NULL,
  is_heatmap = FALSE, is_indice = FALSE, title = "", transpose = FALSE,
  nr1 = NULL, nr2 = 20, angle = NULL)

`data`	une data frame. - S'il s'agit d'une analyse monovariée et que le type général est Qualitatif, Echelle sémantique ou Echelle sémantique inversée : le nombre de lignes de `data` est égal au nombre de modalités de la variable à analyser et le nombre de colonne de `data` est égale au nombre de variables à représenter. (NB : dans ce cas `rownames(data)` doit contenir les noms de modalités, ces modalités étant les mêmes ou non pour toutes les variables). - S'il s'agit d'une analyse monovariée et que le type général est Quantitatif. : le nombre de lignes de `data` est égal au nombre d'observations de la population à analyser et le nombre de colonne `data` vaut 1. - S'il s'agit d'une analyse bivariée et que les deux types généraux sont Qualitatif, Echelle sémantique ou Echelle sémantique inversée : le nombre de lignes de `data` est égal au nombre de modalités de la première variable à analyser et le nombre de colonne de `data` au nombre de modalités de la seconde variable à analyser. (NB : dans ce cas `rownames(data)` doit contenir les noms des modalités de la première variable et `colnames(data)` ceux de la seconde variable). - S'il s'agit d'une analyse bivariée et que les deux types généraux sont Quantitatif : le nombre de lignes de `data` est égal au nombre d'observation de la population à analyser et le nombre de colonnes `data` vaut 2. - S'il s'agit d'une analyse bivariée et le premier type général est Quantitatif et le second Qualitatif, Echelle sémantique ou Echelle sémantique inversée : le nombre de lignes de `data` est égal au nombre d'observations de la population à analyser et le nombre de colonne `data` vaut 2 ; la première colonne correspondant aux données quantitatives, et la seconde aux données qualitatives (ou sémantiques). - S'il s'agit d'une analyse bivariée et le premier type général est Qualitatif, Echelle sémantique ou Echelle sémantique inversée et le second Quantitatif : le nombre de lignes de `data` est égal au nombre d'observations de la population à analyser et le nombre de colonne `data` vaut 2 ; la première colonne correspondant aux données qualitatives (ou sémantiques) et la seconde aux données quantitatives.
`type_general`	un vecteur de une ou deux chaines de caractères parmis `c("Quantitatif","Qualitatif","Echelle sémantique","Echelle sémantique inversée")`.
`is_mono`	est un booléen indiquant s'il s'agit d'une (ou plusieurs) analyse(s) monovariées (`TRUE`) ou d'une analyse bivariée (`FALSE`).
`weight`	`NULL` ou un vecteur de poids de longueur égale au nombre d'observation totale (utile que si au moins une des variables à analyser est Quantitatif et que l'analyse est pondérée).
`is_heatmap`	est un booléen indiquant, pour une annlyse bivariée Qualitatif X Qualitatif (ou avec Echelle sémantique ou Echelle sémantique inversée), si le graphique à produire doit être un heatmap (par défaut `is_heatmap = FALSE`). Si un heatmap est demandé, le heatmap sera calculé sur les indices en base 100 (ces indices seront calculés automatiquement).
`is_indice`	est un booléen indiquant, si pour une analyse en heatmap les données sont déjà en indices en base 100 (par défaut non, c'est à dire que les données sont des comptages par défaut et non des indices).
`title`	une chaine de caractère représentant le titre de l'analyse.
`transpose`	un boléan pour transposer les analyses de variables qualitatives monovariées de deux varibales ou plus, ou bivariées.

######################################
# Exemple 1 : mono qualitatif (une seule variable)
######################################
data<-data.frame(c(10000,2000,888))
rownames(data)<-c("Un premier nom de modalité","Un deuxième nom de modalité","Un troisième nom de modalité")
p <- graphpdd(data = data
              ,lib_var = "Un libellé de variable"
              ,type_general = "Qualitatif"
              ,is_mono = TRUE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 2 : mono qualitatif (3 variables)
######################################
data<-data.frame(Var1=c(1000,2000,888,0),Var2=c(0,0,500,1000),Var3=c(250,350,100,0))
rownames(data)<-c("Un premier nom de modalité","Un deuxième nom de modalité","Un troisième nom de modalité","Un quatrième nom de modalité")
p <- graphpdd(data = data
              ,lib_var = c("Libellé de variable 1","Libellé de la variable 2","Libellé très très très très très long de la variable 3")
              ,type_general = c("Qualitatif","Qualitatif","Qualitatif")
              ,is_mono = TRUE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 3 : mono quantitatif
######################################
set.seed(123)
x<-runif(1000)
data<-data.frame(x=rnorm(n=1000,mean = 0,sd=1)*(x>0.5)+(x<=0.5)*rnorm(n=1000,mean=5,sd=2))
p <- graphpdd(data = data
              ,lib_var = "Un libellé de variable"
              ,type_general = "Quantitatif"
              ,is_mono=TRUE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 4 : mono quantitatif  (3 variables)
######################################
set.seed(123)
x<-runif(1000)
data<-data.frame(x=rnorm(n=1000,mean = 0,sd=1)*(x>0.5)+(x<=0.5)*rnorm(n=1000,mean=5,sd=2))
data$y <- rnorm(n=1000,mean = 100,sd=10)*(x>0.5)+(x<=0.5)*rnorm(n=1000,mean=5,sd=2)
data$z<-200*data$x+1000
p <- graphpdd(data = data
              ,lib_var = paste0("Un libellé de variable ",seq(3))
              ,type_general = rep("Quantitatif",3)
              ,is_mono=TRUE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 5 : mono quantitatif avec un poids
######################################
set.seed(123)
x<-runif(1000)
data<-data.frame(x=rnorm(n=1000,mean = 0,sd=1)*(x>0.5)+(x<=0.5)*rnorm(n=1000,mean=5,sd=2))
w<-runif(nrow(data))
p <- graphpdd(data = data
              ,lib_var = "Un libellé de variable"
              ,type_general = "Quantitatif"
              ,weight = w
              ,is_mono=TRUE
              ,title = "Titre du graphique PONDERE")
print(p)

######################################
# Exemple 6 : bivarié quali x quali (barres normalisées sur une des deux variables)
######################################
set.seed(123)
a<-paste0("Le libellé de la modalité (var1) numéro ",seq(7))
b<-paste0("Le libellé de la modalité (var2) numéro ",seq(9))
data<-reshape2::dcast(data.frame(x=sample(a,1000,replace=TRUE),y=sample(b,1000,replace=TRUE)),x~y)
rownames(data)<-data[,1]
data<-data[,-1]
lib_var<-
  type_general<-c("Qualitatif","Qualitatif")
title="Un titre"

p <- graphpdd(data = data
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Qualitatif","Qualitatif")
              ,is_mono = FALSE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 7 : bivarié quali x sémantiques (barres normalisées sur une des deux variables)
######################################
set.seed(123)
a<-paste0("Le libellé de la modalité (var1) numéro ",seq(7))
b<-paste0("Le libellé de la modalité (var2) numéro ",seq(9))
data<-reshape2::dcast(data.frame(x=sample(a,1000,replace=TRUE),y=sample(b,1000,replace=TRUE)),x~y)
rownames(data)<-data[,1]
data<-data[,-1]
lib_var<-
  type_general<-c("Qualitatif","Qualitatif")
title="Un titre"

p <- graphpdd(data = data
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Qualitatif","Echelle sémantique")
              ,is_mono = FALSE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 8 : bivarié quali x quali (heatmap)
######################################
#' set.seed(123)
a<-paste0("Le libellé de la modalité (var1) numéro ",seq(7))
b<-paste0("Le libellé de la modalité (var2) numéro ",seq(9))
data<-reshape2::dcast(data.frame(x=sample(a,1000,replace=TRUE),y=sample(b,1000,replace=TRUE)),x~y)
rownames(data)<-data[,1]
data<-data[,-1]
lib_var<-
  type_general<-c("Qualitatif","Qualitatif")
title="Un titre"
p <- graphpdd(data = data
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Qualitatif","Qualitatif")
              ,is_mono = FALSE
              ,is_heatmap = TRUE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 9 : bivarié quanti x quanti
######################################
set.seed(123)
x<-runif(10000)
x<-rnorm(n=10000,mean = 0,sd=1)*(x>0.5)+(x<=0.5)*rnorm(n=10000,mean=5,sd=2)
y<-x+0.25*x^2+2+rnorm(n=10000,mean=0,sd=3)
data<-data.frame(x=x,y=y)
p <- graphpdd(data = data
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Quantitatif","Quantitatif")
              ,is_mono = FALSE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 10 : bivarié quanti x quanti avec un poids
######################################
set.seed(123)
x<-runif(10000)
x<-rnorm(n=10000,mean = 0,sd=1)*(x>0.5)+(x<=0.5)*rnorm(n=10000,mean=5,sd=2)
y<-x+0.25*x^2+2+rnorm(n=10000,mean=0,sd=3)
data<-data.frame(x=x,y=y)
w<-ifelse(data[,1]<=1,0.1,10)
p <- graphpdd(data = data
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Quantitatif","Quantitatif")
              ,is_mono = FALSE
              , weight = w
              ,title = "Titre du graphique (pondéré)")
print(p)

######################################
# Exemple 11 : bivarié quanti x quali
######################################
set.seed(123)
x<-runif(10000)
x<-rnorm(n=10000,mean = 0,sd=1)*(x>0.5)+(x<=0.5)*rnorm(n=10000,mean=5,sd=2)
b<-paste0("Le libellé de la modalité (var2) numéro ",seq(6))
y<-sample(b,10000,replace=TRUE)
data<-data.frame(x=x,y=y)

p <- graphpdd(data = data
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Quantitatif","Qualitatif")
              ,is_mono = FALSE
              ,title = "Titre du graphique")
print(p)

######################################
# Exemple 11 : bivarié quanti x quali
######################################
set.seed(123)
x<-runif(10000)
x<-rnorm(n=10000,mean = 0,sd=1)*(x>0.5)+(x<=0.5)*rnorm(n=10000,mean=5,sd=2)
b<-paste0("Le libellé de la modalité (var2) numéro ",seq(6))
y<-sample(b,10000,replace=TRUE)
data<-data.frame(x=x,y=y)
set.seed(123)
w<-runif(nrow(data))
p <- graphpdd(data = data
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Quantitatif","Qualitatif")
              ,is_mono = FALSE
              ,weight = w
              ,title = "Titre du graphique")
print(p)
# On peut inverser les données (quanti <-> quali), cela ne change rien
p <- graphpdd(data = data[,2:1]
              ,lib_var = c("Une première variable avec un libellé super long","Une seconde variable")
              ,type_general = c("Qualitatif","Quantitatif")
              ,is_mono = FALSE
              ,title = "Titre du graphique (2)")
print(p)