16 Diagramme: Carte Thermique

16.1 Vue d’ensemble

Cette section explique comment faire des cartes thermiques.

16.2 tl;dr

J’en ai assez de ces exemples trop faciles! Je veux un exemple compliqué!

Voici une carte thermique des catégories sociales des fils et pères aux Etat-Unis, au Royaume-Uni, et au Japon:

Et voici le code:

library(vcdExtra) # dataset
library(dplyr) # manipulation
library(ggplot2) # plotting
library(viridis) # color palette

# format data
orderedclasses <- c("Farm", "LoM", "UpM", "LoNM", "UpNM")
mydata <- Yamaguchi87
mydata$Son <- factor(mydata$Son, levels = orderedclasses)
mydata$Father <- factor(mydata$Father,
                        levels = orderedclasses)
japan <- mydata %>% filter(Country == "Japan")
uk <- mydata %>% filter(Country == "UK")
us <- mydata %>% filter(Country == "US")

# convert to % of country and class total
mydata_new <- mydata %>% group_by(Country, Father) %>% 
  mutate(Total = sum(Freq)) %>% ungroup()

# make custom theme
theme_heat <- theme_classic() +
  theme(axis.line = element_blank(),
        axis.ticks = element_blank())

# basic plot
plot <- ggplot(mydata_new, aes(x = Father, y = Son)) +
  geom_tile(aes(fill = Freq/Total), color = "white") +
  coord_fixed() + facet_wrap(~Country) + theme_heat

# plot with text overlay and viridis color palette
plot + geom_text(aes(label = round(Freq/Total, 1)), 
                 color = "white") +
      scale_fill_viridis() +
      # formatting
      ggtitle("Like Father, Like Son",
              subtitle = "Heatmaps of occupational categories for fathers and sons, by country") +
      labs(caption = "Source: vcdExtra::Yamaguchi87") +
      theme(plot.title = element_text(face = "bold")) +
      theme(plot.subtitle = element_text(face = "bold", color = "grey35")) +
      theme(plot.caption = element_text(color = "grey68"))

Pour plus d’informations sur ce jeu de données, tapez ?vcdExtra::Yamaguchi87 dans la console.

16.3 Exemples simples

Trop compliqué! Simplifie, mon pote!

16.3.1 Carte thermique de compartiments d’histogrammes en 2D (bin count)

Pour cette carte thermique, nous utiliserons le jeu de données SpeedSki.

Seulement deux variables, x et y sont nécessaires pour des cartes thermiques de bin count en 2D. La troisième variable–i.e., la couleur–represente le bin count de points dans la région qu’elle recouvre. Imaginez un histogramme en 2D.

Pour créer une carte thermique, il suffit ed remplacer geom_point() par geom_bin2d():

library(ggplot2) # plotting 
library(GDAdata) # data (SpeedSki)

ggplot(SpeedSki, aes(Year, Speed)) + 
  geom_bin2d()

16.3.2 Carte thermique d’un Dataframe

On peut utiliser une carte thermique pour visualiser le dataframe. Vous pouvez aussi chercher comment You can also look into mettre à l’échelle les colonnes pour visualiser vos données sur une échelle commune. Dans cet example, nous utilisons geom_tile pour représenter toutes les cellules du dataframe et les colorier selon leur valeur:

library(pgmm) # data
library(tidyverse) # processing/graphing
library(viridis) # color palette

data(wine)

# convert to column, value
wine_new <- wine %>%
  rownames_to_column() %>%
  gather(colname, value, -rowname)

ggplot(wine_new, aes(x = rowname, y = colname, fill = value)) +
  geom_tile() + scale_fill_viridis() +
  ggtitle("Italian Wine Dataframe")

# only difference from above is scaling
wine_scaled <- data.frame(scale(wine)) %>%
  rownames_to_column() %>%
  gather(colname, value, -rowname)

ggplot(wine_scaled, aes(x = rowname, y = colname, fill = value)) +
  geom_tile() + scale_fill_viridis() +
  ggtitle("Italian Wine Dataframe, Scaled")

16.3.3 Modifications

Vous pouvez changer la palette de couleur en l’indiquant explicitement dans vos appels de fonction ggplot. L’épaisseur des comptiments peut aussi être ajoutée via l’appel de fonction geom_bin2d():

library(viridis) # viridis color palette

# create plot
g1 <- ggplot(SpeedSki, aes(Year, Speed)) + 
  scale_fill_viridis() # modify color

# show plot
g1 + geom_bin2d(binwidth = c(5, 5)) # modify bin width

Voici quelques autres examples:

# larger bin width
g1 + geom_bin2d(binwidth = c(10, 10))

# hexagonal bins
g1 + geom_hex(binwidth = c(5, 5))

# hexagonal bins + scatterplot layer
g1 + geom_hex(binwidth = c(5, 5), alpha = .4) + 
  geom_point(size = 2, alpha = 0.8)

# hexagonal bins with custom color gradient/bin count
ggplot(SpeedSki, aes(Year, Speed)) + 
  scale_fill_gradient(low = "#cccccc", high = "#09005F") + # color
  geom_hex(bins = 10) # number of bins horizontally/vertically

16.4 Theorie

Les cartes thermiques sont comme une sorte de combinaiso de nuage de points et histogrammes: ils vous permettent de comparer différents paramètres tout en voyant leurs distributions respectives.

Même si les cartes thermiques sont visuellement esthétiques, il y a souvent des meilleures façons de représenter les données. Pour plus d’informations, suivez ce DataCamp sur les cartes thermiques et des alternatives.

16.5 Ressources Externes

R Graph Gallery: Heatmaps: Has examples of creating heatmaps with the heatmap() function.
Comment faire une carte thermique simple avec ggplot2: Créez une carte thermique avec geom_tile().

with