Séance 4 : Données tabulaires et graphiques avancés

Apprendre R avec les LLMs

Auteur·rice

Elias Bouacida

Date de publication

14 octobre 2025

Plan de la séance

Récap et partage (15min) : Retours sur les fonctions
Nettoyage de données (60min) : Gérer les incohérences réelles
Introduction à ggplot2 (75min) : Créer des graphiques sophistiqués
Fonctions de visualisation (40min) : Automatiser la création de graphiques
Mini-projet (40min) : Dashboard de visualisations

Production attendue : Dashboard avec 4 graphiques + fonction de visualisation réutilisable

Objectifs de la séance

Maîtriser les données complexes et la visualisation

Nettoyer des données avec incohérences (casse, formats)
Maîtriser les dataframes avancés
Créer des visualisations avec ggplot2
Développer des fonctions graphiques réutilisables
Combiner analyse et communication visuelle

Récap et partage

Retours sur les fonctions

Quelles fonctions avez-vous créées ?
Quelles difficultés avec les conditions et boucles ?
Un exemple de bug intéressant que vous avez résolu ?

Exercice de révision

Créez rapidement une fonction qui :

Prend un vecteur de nombres en paramètre
Retourne “Positif” si la moyenne est > 0
Retourne “Négatif” sinon
Gère les NA correctement

Testez avec :

valeurs <- c(-5, 10, NA, 8, -3)
classifier_moyenne(valeurs)

10 minutes. Révision rapide. Vérifier que les concepts de la séance 3 sont acquis.

Données réelles et leurs problèmes

Les données ne sont jamais parfaites

Dans le monde réel, les données contiennent souvent :

Des problèmes de casse : “Alice”, “alice”, “ALICE”
Des formats incohérents : “2023-01-15”, “15/01/2023”
Des valeurs manquantes : NA, ““,”N/A”, “inconnu”
Des doublons
Des erreurs de saisie

Important

Le nettoyage des données représente souvent 80% du travail d’analyse !

Exercice 1 : Découvrir les problèmes

Voici un jeu de données de ventes :

ventes <- data.frame(
  mois = c("Jan", "Fév", "Mar", "Avr", "Mai", "Jun"),
  montant = c(1500, 2000, NA, 1800, 2200, 1900),
  vendeur = c("Alice", "Bob", "alice", "Bob", "Alice", "bob")
)

Demandez au LLM :

“Quels sont les problèmes potentiels dans ce jeu de données pour une analyse ?”

Identifiez :

Le problème de casse dans les noms
La valeur manquante
Les conséquences pour les calculs par vendeur

15 minutes. Les étudiants découvrent les problèmes réels des données.

Exercice 2 : Nettoyer la casse

Problème : Les noms “Alice”, “alice” et “Bob”, “bob” sont comptés séparément.

Demandez au LLM comment standardiser les noms.

Vous découvrirez probablement :

ventes$vendeur <- tolower(ventes$vendeur)
# ou
ventes$vendeur <- toupper(ventes$vendeur)

Vérifiez le résultat :

unique(ventes$vendeur)
table(ventes$vendeur)

15 minutes. Premier nettoyage simple mais essentiel.

Exercice 3 : Gérer les valeurs manquantes

Plusieurs stratégies possibles :

Demandez au LLM :

“Comment gérer les valeurs NA dans mes données de ventes ? Quelles sont les différentes approches ?”

Options principales :

Supprimer les lignes avec NA : na.omit()
Remplacer par une valeur : moyenne, médiane, 0
Garder mais utiliser na.rm = TRUE dans les calculs

Réflexion importante

Quelle stratégie choisir dépend du contexte ! Supprimer des données peut introduire des biais.

15 minutes. Discussion importante sur les choix méthodologiques.

Exercice 4 : Dataset complexe piégé

Nouveau challenge - Données étudiants :

etudiants <- data.frame(
  nom = c("Dupont", "Martin", "Durand", "", "Petit"),
  age = c(20, "vingt-deux", 19, 21, 18),
  note_math = c(15, 12, NA, 16, 14),
  note_info = c(13, NA, 15, 12, 16),
  filiere = c("Info", "info", "Maths", "INFO", "maths")
)

Mission :

Identifiez TOUS les problèmes
Nettoyez le dataset
Calculez la moyenne par filière

Utilisez le LLM étape par étape !

30 minutes. Exercice de synthèse sur le nettoyage. Beaucoup d’erreurs à trouver.

Introduction à ggplot2

Pourquoi ggplot2 ?

Jusqu’ici vous avez utilisé plot(), hist(), barplot()…

ggplot2 est un package puissant pour créer des graphiques :

Syntaxe cohérente et logique
Graphiques professionnels
Très flexible et personnalisable
Standard dans l’analyse de données en R

La grammaire des graphiques

ggplot2 fonctionne par couches :

Données : ggplot(data = mes_donnees)
Esthétiques : aes(x = variable1, y = variable2)
Géométries : geom_point(), geom_line(), geom_bar()
Personnalisation : titres, couleurs, thèmes

On ajoute des couches avec +

Exercice 5 : Premier graphique ggplot2

Demandez au LLM :

“Comment créer un graphique simple avec ggplot2 en R ? Je débute avec ce package.”

Ensuite, testez avec vos données de ventes :

library(ggplot2)

ggplot(data = ventes, aes(x = mois, y = montant)) +
  geom_col()

Questions :

Que fait aes() ?
Pourquoi geom_col() et pas geom_bar() ?
Comment changer la couleur des barres ?

20 minutes. Première découverte de ggplot2. La syntaxe peut surprendre au début.

Exercice 6 : Améliorer le graphique

Personnalisez votre graphique :

ggplot(data = ventes, aes(x = mois, y = montant)) +
  geom_col(fill = "steelblue") +
  labs(
    title = "Ventes mensuelles",
    x = "Mois",
    y = "Montant (€)"
  ) +
  theme_minimal()

Demandez au LLM :

“Comment personnaliser les couleurs, titres et thème d’un graphique ggplot2 ?”

Explorez :

Différentes couleurs
Différents thèmes : theme_bw(), theme_classic()
Ajout d’une ligne à un niveau spécifique avec geom_hline()

20 minutes. Exploration des options de personnalisation.

Exercice 7 : Différents types de graphiques

Demandez au LLM de vous montrer comment créer :

Un graphique en points (geom_point())
Un graphique en lignes (geom_line())
Un boxplot (geom_boxplot())
Un histogramme (geom_histogram())

Testez chaque type avec des données adaptées.

Certains types nécessitent des données spécifiques !

20 minutes. Découverte de la variété des géométries disponibles.

Exercice 8 : Graphiques par catégorie

Challenge : Créez un graphique des ventes coloré par vendeur.

Demandez au LLM :

“Comment créer un graphique avec ggplot2 où chaque catégorie a une couleur différente ?”

Vous découvrirez :

ggplot(ventes, aes(x = mois, y = montant, fill = vendeur)) +
  geom_col(position = "dodge") +
  labs(title = "Ventes par vendeur et par mois")

Questions :

Que fait position = "dodge" ?
Que se passe-t-il sans ?
Comment faire un graphique empilé ?

20 minutes. Introduction aux graphiques multivariés.

Fonctions de visualisation

Pourquoi créer des fonctions graphiques ?

Si vous créez souvent le même type de graphique :

Éviter la répétition du code
Garantir la cohérence visuelle
Faciliter la maintenance
Permettre la réutilisation

Exercice 9 : Première fonction graphique

Créez une fonction qui génère un graphique en barres standard :

graphique_barres <- function(donnees, colonne_x, colonne_y, titre) {
  ggplot(donnees, aes(x = .data[[colonne_x]], y = .data[[colonne_y]])) +
    geom_col(fill = "steelblue") +
    labs(title = titre) +
    theme_minimal()
}

# Utilisation
graphique_barres(ventes, "mois", "montant", "Ventes mensuelles")

Demandez au LLM d’expliquer :

À quoi sert .data[[...]] ?
Comment passer des noms de colonnes comme paramètres ?

20 minutes. Introduction aux fonctions avec ggplot2. Concept avancé mais important.

Exercice 10 : Fonction graphique avancée

Améliorez votre fonction avec plus d’options :

graphique_personnalise <- function(donnees, x, y, titre,
                                   couleur = "steelblue",
                                   type = "barres") {
  # Créer le graphique de base
  g <- ggplot(donnees, aes(x = .data[[x]], y = .data[[y]]))

  # Ajouter la géométrie selon le type
  if (type == "barres") {
    g <- g + geom_col(fill = couleur)
  } else if (type == "points") {
    g <- g + geom_point(color = couleur, size = 3)
  }

  # Ajouter titre et thème
  g <- g + labs(title = titre) + theme_minimal()

  return(g)
}

Testez avec différentes options !

20 minutes. Fonction plus sophistiquée avec options et conditions.

Mini-projet : Dashboard

Projet : Analyse de ventes complète

Objectif : Créer un dashboard d’analyse avec 4 graphiques différents.

Données :

# Téléchargez le fichier ventes_annuelles.csv depuis Moodle
ventes_annuelles <- read.csv("ventes_annuelles.csv")

Les 4 graphiques à créer :

Évolution des ventes mensuelles (ligne)
Ventes par vendeur (barres)
Distribution des montants (histogramme)
Comparaison par trimestre (boxplot)

Utilisez ggplot2 pour tous les graphiques

Personnalisez-les avec des couleurs et titres appropriés.

40 minutes. Projet de synthèse. Combine nettoyage, analyse et visualisation.

Critères du mini-projet

- Les données sont nettoyées (casse, NA gérés)
- Les 4 graphiques sont créés avec ggplot2
- Chaque graphique a un titre et des labels appropriés
- Le code est commenté
- Une fonction de visualisation réutilisable est créée

Bonus :

Créer un 5ème graphique original
Utiliser des facettes (facet_wrap())
Ajouter des annotations sur les graphiques
Sauvegarder les graphiques avec ggsave()

Retour réflexif

Exercice réflexif : Journal de bord

Documentez dans votre journal :

Nettoyage de données :
- Quels problèmes avez-vous rencontrés ?
- Comment les avez-vous résolus ?
- Un prompt efficace pour le nettoyage
ggplot2 :
- Différences avec plot() de base
- Votre graphique préféré créé aujourd’hui
- Un concept difficile à comprendre
Fonctions graphiques :
- Pourquoi créer des fonctions pour les graphiques ?
- Code de votre fonction réutilisable

10 minutes. Moment de réflexion et documentation.

Ce que vous avez appris aujourd’hui

Nettoyer des données réelles avec incohérences
Utiliser ggplot2 pour créer des graphiques professionnels
Maîtriser différentes géométries (barres, points, lignes, boxplot)
Personnaliser l’apparence des graphiques
Créer des fonctions de visualisation réutilisables
Combiner analyse et communication visuelle

Ressources et prochaines étapes

Fonctions clés de cette séance

Nettoyage :

tolower(), toupper() : standardiser la casse
na.omit() : supprimer les NA
unique(), table() : explorer les valeurs

ggplot2 :

ggplot() + aes() : base du graphique
geom_col(), geom_point(), geom_line() : géométries
labs() : titres et labels
theme_minimal(), theme_bw() : thèmes

Pour aller plus loin

Explorez d’autres géométries de ggplot2
Pratiquez avec vos propres données
Créez une bibliothèque de fonctions graphiques
Consultez la documentation : ?ggplot2

Préparation prochaine séance

Devoirs

Terminez le dashboard si besoin
Mettez à jour votre journal avec les détails de cette séance
Trouvez un jeu de données qui vous intéresse pour le projet de la séance 5
Créez au moins 2 fonctions graphiques réutilisables

Prochaine séance : Projet personnel intégré - vous allez mener une analyse complète en autonomie !

Questions ?

Points clés à retenir

Le nettoyage des données est essentiel et prend du temps
ggplot2 permet de créer des graphiques professionnels de manière cohérente
Les fonctions graphiques évitent la répétition et assurent la cohérence
La visualisation est aussi importante que l’analyse

Bon courage et belles visualisations ! 📊