Préparer le jeu de données pour le graphique avec facettes

Vous allez maintenant préparer votre jeu de données pour produire, dans le prochain exercice (comme indiqué dans la vidéo), un nuage de points avec facettes.
Pour cela, le jeu de données ne doit contenir que les années 1996 et 2006, car votre graphique n’aura que deux facettes. ilo_data a déjà été chargé pour vous.

Cet exercice fait partie du cours

Communiquer avec les données dans le tidyverse

Afficher le cours

Instructions

Utilisez filter() pour ne conserver que les années 1996 et 2006 dans le jeu de données.
Utilisez l’opérateur OR dans votre appel à filter().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Filter ilo_data to retain the years 1996 and 2006
ilo_data <- ilo_data %>%
  ___

Modifier et exécuter le code

Cet exercice fait partie du cours

Communiquer avec les données dans le tidyverse

DébutantNiveau de compétence

4.8+

Commencer le cours gratuitement

Dans ce chapitre, vous découvrirez d’abord les données que vous utiliserez 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). Vous plongerez ensuite dans l’exploration et mettrez en évidence une corrélation frappante grâce à une visualisation exploratoire. Vous appliquerez enfin un style personnalisé à ce graphique – vous transformerez un tracé ordinaire en une visualisation à la fois esthétique et unique.

Exercise 1: Introduction aux données Exercise 2: Fusionner les deux jeux de données Exercise 3: Changer les types de variables Exercise 4: Filtrer et représenter les données Exercise 5: Filtrer les données pour la visualisation Exercise 6: Quelques statistiques descriptives Exercise 7: Un nuage de points de base Exercise 8: Ajouter des libellés 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 de fond et ajouter des marges

Les diagrammes en barres, nuages de points et histogrammes sont sans doute les visualisations de données les plus courantes et efficaces. Pourtant, il existe parfois de meilleures façons de mettre en valeur, visuellement, le message que vous souhaitez transmettre à votre public. Les « dot plots » (graphiques à points) facilitent la compréhension des évolutions dans les données : par exemple, l’évolution dans le temps. Dans ce chapitre, vous construirez une visualisation personnalisée et unique qui met en avant et explique précisément un aspect de l’histoire que vous souhaitez raconter.

Exercise 1: Visualiser des aspects des données avec des facettes Exercise 2: Préparer le jeu de données pour le graphique avec facettes

Exercice en cours

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 les évolutions Exercise 7: Un dot plot simple Exercise 8: Ajouter des flèches aux lignes du graphique Exercise 9: Ajouter des étiquettes à chaque pays Exercise 10: Peaufiner le dot plot Exercise 11: La fonction fct_reorder Exercise 12: Réordonner les éléments du graphique Exercise 13: Corriger la position des 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 analystes généraient des graphiques dans R, puis les copiaient laborieusement dans leurs documents LaTeX ou Word. Aujourd’hui, des rapports complets peuvent être produits et reproduits directement depuis R et RStudio avec le langage RMarkdown, qui combine blocs de code R, texte mis en forme, tableaux et graphiques. Dans ce chapitre, vous reprendrez vos constats, résultats et graphiques précédents pour les intégrer dans un tel rapport et 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’exercice RMarkdown Exercise 4: Mise en forme avec Markdown Exercise 5: Donnez une structure à votre document Exercise 6: Modifier le formatage de courts extraits de texte Exercise 7: Code R dans les documents RMarkdown Exercise 8: Spécifier 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 responsable, votre client ou votre professeur attend généralement des résultats exacts, présentés de manière claire et concise. Cependant, proposer en plus un rapport bien mis en forme et original est un atout, et RMarkdown peut être personnalisé pour y parvenir. Dans ce dernier chapitre, vous reprendrez le rapport du chapitre précédent et l’habillerez avec 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 belles tables Exercise 10: Embellir un tableau avec kable Exercise 11: Révision : CSS Exercise 12: Résumé