Un nuage de points (dot plot) de base

Comme montré dans la vidéo, utilisez seulement geom_path() pour créer la structure de base du dot plot.

Cette activité fait partie du cours

Communiquer avec des données dans le tidyverse

Instructions de l’exercice

Créez un nouvel objet ggplot qui prend ilo_data comme jeu de données.
Ajoutez une géométrie geom_path() où les heures de travail hebdomadaires sont associées à l'axe x et les pays à l'axe y.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create the dot plot
___

Modifier et exécuter le code

Cette activité fait partie du cours

Communiquer avec des données dans le tidyverse

SkillTag.level.beginnerSkillTag.label

4.8+

Commencer le cours gratuitement

Dans ce chapitre, vous jetterez un premier coup d'œil aux données avec lesquelles vous allez travailler tout au long du cours : la relation entre les heures de travail hebdomadaires et la rémunération dans les pays européens, selon l'Organisation internationale du Travail (OIT). Ensuite, vous plongerez directement dans l'exploration et mettrez en évidence une corrélation marquante grâce à une visualisation exploratoire. Vous appliquerez ensuite un style personnalisé à ce graphique — transformant un tracé ordinaire en une visualisation à la fois esthétique et distinctive.

Exercise 1: Introduction aux données Exercise 2: Fusionner les deux ensembles de données Exercise 3: Modifier les types de variables Exercise 4: Filtrer et tracer les données Exercise 5: Filtrer les données pour le tracé Exercise 6: Quelques statistiques sommaires Exercise 7: Un nuage de points de base Exercise 8: Ajouter des étiquettes au graphique Exercise 9: Thèmes ggplot2 personnalisés Exercise 10: Appliquer un thème par défaut Exercise 11: Modifier l'apparence des titres Exercise 12: Modifier la couleur d'arrière-plan et ajouter des marges

Les diagrammes à barres, les nuages de points et les histogrammes sont sans doute les visualisations de données les plus courantes et efficaces. Pourtant, il existe parfois de meilleurs moyens de mettre en évidence, visuellement, la découverte que vous souhaitez communiquer à votre public. Les « dot plots » — diagrammes de points — nous aident à mieux saisir et comprendre les changements dans les données, par exemple l'évolution dans le temps. Dans ce chapitre, vous créerez une visualisation personnalisée et unique qui met de l'avant et explique précisément un aspect de l'histoire que vous voulez raconter.

Exercise 1: Visualiser des aspects des données avec des facettes Exercise 2: Préparer l'ensemble de données pour le graphique à facettes Exercise 3: Ajouter des facettes au graphique Exercise 4: Définir votre propre fonction de thème Exercise 5: Appliquer la nouvelle fonction de thème au graphique Exercise 6: Un graphique personnalisé pour mettre en évidence le changement Exercise 7: Un nuage de points (dot plot) de base

Exercice en cours

Exercise 8: Ajouter des flèches aux lignes du graphique Exercise 9: Ajouter des étiquettes à chaque pays Exercise 10: Peaufiner le graphique à points Exercise 11: La fonction fct_reorder Exercise 12: Réorganiser les éléments dans le graphique Exercise 13: Corriger les positions d'étiquettes peu esthétiques Exercise 14: Finaliser le graphique pour différents publics et appareils Exercise 15: Modifier la fenêtre d'affichage pour que les étiquettes ne chevauchent pas la bordure du graphique Exercise 16: Optimiser le graphique pour les appareils mobiles

Autrefois, les chercheurs et les analystes de données généraient des graphiques dans R puis les copiaient laborieusement dans leurs documents LaTeX ou Word. Aujourd'hui, on peut produire et reproduire des rapports complets directement dans R et RStudio, grâce au langage RMarkdown — qui combine des blocs de code R, du texte mis en forme, des tableaux et des graphiques. Dans ce chapitre, vous reprendrez vos constats, résultats et graphiques précédents et vous les intégrerez dans un tel rapport pour raconter l'histoire qui doit être racontée.

Exercise 1: Qu'est-ce que RMarkdown ?Exercise 2: Quand un document est-il reproductible?Exercise 3: Introduction à l'interface d'exercices RMarkdown Exercise 4: Mise en forme avec Markdown Exercise 5: Donnez une structure à votre document Exercise 6: Modifier la mise en forme d'extraits de texte Exercise 7: Code R dans les documents RMarkdown Exercise 8: Indiquer les packages dans le premier bloc de code Exercise 9: Options des blocs de code R Exercise 10: Instructions de code en ligne Exercise 11: Images dans les fichiers RMarkdown Exercise 12: Ajuster les options de figure et les optimiser pour les appareils mobiles.Exercise 13: Ajouter des images auxiliaires

Votre patron, votre client ou votre professeur s'attend généralement à des résultats exacts, présentés de façon claire et concise. Toutefois, proposer en plus un rapport bien mis en forme et distinctif est assurément un atout, et RMarkdown peut être personnalisé pour y parvenir. Dans ce dernier chapitre, vous reprendrez le rapport du chapitre précédent et vous le marquerez de votre propre style, à la fois personnalisé et unique.

Exercise 1: Paramètres YAML avancés Exercise 2: Modifier l'apparence générale de votre rapport Exercise 3: Ajouter une table des matières Exercise 4: Encore plus d'astuces YAML Exercise 5: Feuilles de style personnalisées Exercise 6: Sélecteurs CSS Exercise 7: Modifier les attributs de style des éléments de texte Exercise 8: Référencer la feuille de style Exercise 9: De beaux tableaux Exercise 10: Embellir un tableau avec kable Exercise 11: Répétition : CSS Exercise 12: Résumé