Séance 4 : Données tabulaires et graphiques avancés

Apprendre R avec les LLMs

Elias Bouacida

3 décembre 2025

Plan de la séance

  • Récap et partage : Retours sur les fonctions
  • Nettoyage de données : Gérer les incohérences réelles
  • Introduction à ggplot2 : Créer des graphiques sophistiqués
  • Fonctions de visualisation : Automatiser la création de graphiques
  • Mini-projet : Tableau de pilotage avec des visualisations

Production attendue : Tableau de pilotage 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 :

  1. Prend un vecteur de nombres en paramètre
  2. Retourne “Positif” si la moyenne de ces nombres est > 0
  3. Retourne “Négatif” sinon
  4. Gère les NA correctement

Testez avec :

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

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")
)

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

Identifiez :

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

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)

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 :

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

Réflexion importante

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

Exercice 4 : Jeu de données complexe piégé

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")
)

Objectif :

  1. Identifiez TOUS les problèmes
  2. Nettoyez le jeu de données
  3. Calculez la moyenne générale des étudiants

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 :

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

On ajoute des couches avec +

Exercice 5 : Premier graphique ggplot2

Testez ce code :

library(ggplot2)

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

Questions :

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

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()

Explorez :

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

Exercice 7 : Différents types de graphiques

Demandez au LLM de vous montrer comment créer :

  1. Un graphique en points (geom_point())
  2. Un graphique en lignes (geom_line())
  3. Un boxplot (geom_boxplot())
  4. Un histogramme (geom_histogram())

Testez chaque type avec des données adaptées.

Certains types nécessitent des données spécifiques !

Exercice 8 : Graphiques par catégorie

Créez un graphique des ventes coloré par vendeur.

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

Une réponse :

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

Questions :

  1. Où est positionné fill ? Pourquoi ?
  2. Que fait position = "dodge" ?
  3. Que se passe-t-il sans ?
  4. Comment faire un graphique empilé ?

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 :

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

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 !

Mini-projet : Dashboard

Projet : Analyse de ventes complète

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

Données :

# Téléchargez les 3 fichiers de ventes depuis Moodle
ventes_janvier <- read.csv("ventes_janvier.csv")
# etc

Les 4 graphiques à créer :

  1. Évolution des ventes mensuelles (ligne)
  2. Ventes par région (barres)
  3. Distribution des montants (histogramme)
  4. Comparaison par région (boxplot)

Utilisez ggplot2 pour tous les graphiques

Personnalisez-les avec des couleurs et titres appropriés.

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 légendes appropriés
  • Le code est commenté
  • Une fonction de visualisation réutilisable est créée (facultatif)

Bonus :

  • Créer un 5e 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 :

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

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

  1. Terminez le dashboard si besoin
  2. Mettez à jour votre journal avec les détails de cette séance
  3. Trouvez un jeu de données qui vous intéresse pour le projet de la séance 5
  4. 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