{"id":10460,"date":"2019-11-17T20:39:47","date_gmt":"2019-11-17T18:39:47","guid":{"rendered":"https:\/\/www.datanovia.com\/en\/?post_type=dt_lessons&#038;p=10460"},"modified":"2019-11-17T20:39:47","modified_gmt":"2019-11-17T18:39:47","slug":"introduction-a-ggplot2","status":"publish","type":"dt_lessons","link":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/","title":{"rendered":"Introduction \u00e0 GGPlot2"},"content":{"rendered":"<div id=\"rdoc\">\n<div id=\"quest-ce-que-ggplot2\" class=\"section level2\">\n<h2>Qu\u2019est-ce que ggplot2<\/h2>\n<p><strong>GGPlot2<\/strong> est un package R puissant et flexible, impl\u00e9ment\u00e9 par Hadley Wickham, pour produire des graphiques \u00e9l\u00e9gants pi\u00e8ce par pi\u00e8ce <span class=\"citation\">(Wickham et al. 2019)<\/span>.<\/p>\n<p>Le <strong>gg<\/strong> dans ggplot2 signifie <em>Grammaire du Graphique<\/em>, un concept graphique qui d\u00e9crit les graphes en utilisant une \u201cgrammaire\u201d. Selon le concept ggplot2, un graphique peut \u00eatre divis\u00e9 en diff\u00e9rentes parties fondamentales : <strong>Graphique = donn\u00e9es + Esth\u00e9tique + G\u00e9om\u00e9trie<\/strong> (ou en anglais <strong>Plot = data + Aesthetics + Geometry<\/strong>)<\/p>\n<ul>\n<li><strong>data<\/strong> : data frame<\/li>\n<li><strong>esth\u00e9tique<\/strong> (ou <strong>aesthetics<\/strong> en anglais) : permet d\u2019indiquer les variables <strong>x<\/strong> et <strong>y<\/strong>. Il peut \u00e9galement \u00eatre utilis\u00e9 pour contr\u00f4ler la <strong>couleur<\/strong>, la <strong>taille<\/strong> et la <strong>forme<\/strong> des points, etc\u2026<\/li>\n<li><strong>g\u00e9om\u00e9trie<\/strong> : correspond au type de graphique (histogramme, box plot, line plot, \u2026..)<\/li>\n<\/ul>\n<div class=\"warning\">\n<p>La syntaxe de ggplot2 peut sembler opaque pour les d\u00e9butants, mais une fois que vous comprenez les bases, vous pouvez cr\u00e9er et personnaliser tous les types de graphiques que vous voulez.<\/p>\n<p>Notez que, pour r\u00e9duire cette opacit\u00e9, nous avons r\u00e9cemment cr\u00e9\u00e9 un package R, nomm\u00e9 <strong>ggpubr<\/strong> (ggplot2 Based Publication Ready Plots), pour rendre ggplot plus simple pour les \u00e9tudiants et chercheurs ayant des connaissances en programmation non avanc\u00e9es.<\/p>\n<\/div>\n<\/div>\n<p>Sommaire:<\/p>\n<div id=\"TOC\">\n<ul>\n<li><a href=\"#quest-ce-que-ggplot2\">Qu\u2019est-ce que ggplot2<\/a><\/li>\n<li><a href=\"#fonctions-cles\">Fonctions cl\u00e9s<\/a><\/li>\n<li><a href=\"#exemple-de-graphiques\">Exemple de graphiques<\/a><\/li>\n<li><a href=\"#position-de-la-legende\">Position de la l\u00e9gende<\/a><\/li>\n<li><a href=\"#titres-et-etiquettes-des-axes\">Titres et \u00e9tiquettes des axes<\/a><\/li>\n<li><a href=\"#facette-graphique-a-plusieurs-paneaux\">Facette : Graphique \u00e0 plusieurs paneaux<\/a><\/li>\n<li><a href=\"#theme-de-ggplot\">Th\u00e8me de GGPlot<\/a><\/li>\n<li><a href=\"#autres-personnalisations-dun-ggplot\">Autres personnalisations d\u2019un ggplot<\/a><\/li>\n<li><a href=\"#sauvegarder-ggplots\">Sauvegarder ggplots<\/a><\/li>\n<li><a href=\"#conclusion\">Conclusion<\/a><\/li>\n<li><a href=\"#references\">References<\/a><\/li>\n<\/ul>\n<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div class='dt-sc-ico-content type1'><div class='custom-icon' ><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/ggplot2-lessentiel-pour-une-visualisation-magnifique-des-donnees-dans-r\/' target='_blank'><span class='fa fa-book'><\/span><\/a><\/div><h4><a href='https:\/\/www.datanovia.com\/en\/fr\/produit\/ggplot2-lessentiel-pour-une-visualisation-magnifique-des-donnees-dans-r\/' target='_blank'> Livre Apparent\u00e9 <\/a><\/h4>GGPLOT2 - L\u2019Essentiel pour une Visualisation Magnifique des Donn\u00e9es dans R<\/div>\n<div class='dt-sc-hr-invisible-medium  '><\/div>\n<div id=\"fonctions-cles\" class=\"section level2\">\n<h2>Fonctions cl\u00e9s<\/h2>\n<p>Apr\u00e8s avoir install\u00e9 et charg\u00e9 le package ggplot2, vous pouvez utiliser les fonctions cl\u00e9s suivantes:<\/p>\n<table>\n<thead>\n<tr class=\"header\">\n<th>Types de graphes<\/th>\n<th>Fonctions GGPlot2<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr class=\"odd\">\n<td>Initialiser un ggplot<\/td>\n<td>ggplot()<\/td>\n<\/tr>\n<tr class=\"even\">\n<td>Nuage de points<\/td>\n<td>geom_point()<\/td>\n<\/tr>\n<tr class=\"odd\">\n<td>Box plot<\/td>\n<td>geom_boxplot()<\/td>\n<\/tr>\n<tr class=\"even\">\n<td>Violon plot<\/td>\n<td>geom_violin()<\/td>\n<\/tr>\n<tr class=\"odd\">\n<td>Strip chart<\/td>\n<td>geom_jitter()<\/td>\n<\/tr>\n<tr class=\"even\">\n<td>Dot plot<\/td>\n<td>geom_dotplot()<\/td>\n<\/tr>\n<tr class=\"odd\">\n<td>Bar plot<\/td>\n<td>geom_bar() ou geom_col()<\/td>\n<\/tr>\n<tr class=\"even\">\n<td>Line plot<\/td>\n<td>geom_line()<\/td>\n<\/tr>\n<tr class=\"odd\">\n<td>Histogramme<\/td>\n<td>geom_histogram()<\/td>\n<\/tr>\n<tr class=\"even\">\n<td>Graphique de densit\u00e9<\/td>\n<td>geom_density()<\/td>\n<\/tr>\n<tr class=\"odd\">\n<td>Barres d\u2019erreur<\/td>\n<td>geom_errorbar()<\/td>\n<\/tr>\n<tr class=\"even\">\n<td>QQ plot<\/td>\n<td>stat_qq()<\/td>\n<\/tr>\n<tr class=\"odd\">\n<td>ECDF plot<\/td>\n<td>stat_ecdf()<\/td>\n<\/tr>\n<tr class=\"even\">\n<td>Titres et libell\u00e9s des axes<\/td>\n<td>labs()<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<div id=\"exemple-de-graphiques\" class=\"section level2\">\n<h2>Exemple de graphiques<\/h2>\n<p>La fonction principale du package ggplot2 est <code>ggplot()<\/code>, qui peut \u00eatre utilis\u00e9e pour initialiser le syst\u00e8me graphique avec des donn\u00e9es et les variables x\/y.<\/p>\n<p>Par exemple, le code R suivant prend le jeu de donn\u00e9es <code>iris<\/code> pour initialiser le ggplot, puis une couche (<code>geom_point()<\/code>) est ajout\u00e9e sur le ggplot pour cr\u00e9er un diagramme de dispersion de <code>x = Sepal.Length<\/code> en fonction de <code>y = Sepal.Width<\/code>:<\/p>\n<pre class=\"r\"><code>library(ggplot2)\r\nggplot(iris, aes(x = Sepal.Length, y = Sepal.Width))+\r\n  geom_point()\r\n\r\n# Modifier la taille, la couleur et la forme des points\r\nggplot(iris, aes(x = Sepal.Length, y = Sepal.Width))+\r\n  geom_point(size = 1.2, color = \"steelblue\", shape = 21)<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-ggplot-scatter-plot-1.png\" width=\"288\" \/><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-ggplot-scatter-plot-2.png\" width=\"288\" \/><\/p>\n<p>Notez que, dans le code ci-dessus, la forme des points est sp\u00e9cifi\u00e9e avec un chiffre. Les diff\u00e9rentes formes de points disponibles dans R, sont:<\/p>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-plotting-symbol-1.png\" width=\"288\" \/><\/p>\n<p>Il est \u00e9galement possible de contr\u00f4ler la forme et la couleur des points par une variable de groupement (ici, <code>Species<\/code>). Par exemple, dans le code ci-dessous, nous mappons la couleur et la forme des points \u00e0 la variable de groupement <code>Species<\/code>.<\/p>\n<p>Notez qu\u2019un ggplot peut \u00eatre tenu dans une variable, par exemple <code>p<\/code>, pour \u00eatre afficher plus tard<\/p>\n<pre class=\"r\"><code># Changer la couleur des points par groupes\r\nggplot(iris, aes(x = Sepal.Length, y = Sepal.Width))+\r\n  geom_point(aes(color = Species, shape = Species))\r\n\r\n# Modifier manuellement la couleur par d\u00e9faut.\r\n# Utiliser la fonction scale_color_manual()\r\np &lt;- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width))+\r\n  geom_point(aes(color = Species, shape = Species))+\r\n  scale_color_manual(values = c(\"#00AFBB\", \"#E7B800\", \"#FC4E07\"))\r\nprint(p)<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-ggplot-aesthetic-mapping-control-points-color-shape-and-size-1.png\" width=\"316.8\" \/><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-ggplot-aesthetic-mapping-control-points-color-shape-and-size-2.png\" width=\"316.8\" \/><\/p>\n<\/div>\n<div id=\"position-de-la-legende\" class=\"section level2\">\n<h2>Position de la l\u00e9gende<\/h2>\n<p>La position par d\u00e9faut de la l\u00e9gende est \u201cright\u201d. Utilisez la fonction <code>theme()<\/code> avec l\u2019argument <code>legend.position<\/code> pour sp\u00e9cifier la position de la l\u00e9gende.<\/p>\n<p>Les valeurs autoris\u00e9es pour la position de la l\u00e9gende incluent : \u201cleft\u201d (\u00e0 gauche), \u201ctop\u201d (en haut), \u201cright\u201d (\u00e0 droite), \u201cbottom\u201d (en bas), \u201cnone\u201d (aucun).<\/p>\n<p>Exemples:<\/p>\n<pre class=\"r\"><code># Changer la position de la l\u00e9gende vers le haut\r\np + theme(legend.position = \"top\")<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-change-legend-title-and-position-1.png\" width=\"316.8\" \/><\/p>\n<div class=\"warning\">\n<p>Pour supprimer la l\u00e9gende, utilisez <code>p + theme(legend.position = \u201cnone\u201d)<\/code>.<\/p>\n<\/div>\n<\/div>\n<div id=\"titres-et-etiquettes-des-axes\" class=\"section level2\">\n<h2>Titres et \u00e9tiquettes des axes<\/h2>\n<p>La fonction <code>labs()<\/code> peut \u00eatre utilis\u00e9e pour changer facilement le titre principal, le sous-titre, les \u00e9tiquettes des axes et les l\u00e9gendes.<\/p>\n<pre class=\"r\"><code>p + labs(\r\n  title = \"Edgar Anderson's Iris Data\",\r\n  subtitle = \"iris is a data frame with 150 cases (rows) and 5 variables\",\r\n  x = \"Sepal Length (cm)\", y = \"Sepal Width (cm)\"\r\n  )<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-add-titles-and-axis-labels-1.png\" width=\"384\" \/><\/p>\n<\/div>\n<div id=\"facette-graphique-a-plusieurs-paneaux\" class=\"section level2\">\n<h2>Facette : Graphique \u00e0 plusieurs paneaux<\/h2>\n<p>Vous pouvez \u00e9galement diviser le graphique en plusieurs panneaux en fonction d\u2019une variable de regroupement. Fonction R: <code>facet_wrap()<\/code>. Une autre caract\u00e9ristique int\u00e9ressante de ggplot2, c\u2019est la possibilit\u00e9 de combiner plusieurs couches sur un m\u00eame graphique. Par exemple, avec le code R suivant, nous allons:<\/p>\n<ul>\n<li>Ajouter des points avec <code>geom_point()<\/code>, color\u00e9s par groupes.<\/li>\n<li>Ajoutez la ligne de r\u00e9gression liss\u00e9e en utilisant <code>geom_smooth()<\/code>. Par d\u00e9faut, la fonction <code>geom_smooth()<\/code> ajoute la ligne de r\u00e9gression et la zone de confiance. Vous pouvez contr\u00f4ler la couleur des lignes et la couleur de remplissage de la zone de confiance par groupes.<\/li>\n<li>Diviser le graphique en plusieurs panneaux par groupes<\/li>\n<li>Modifier la couleur et remplir manuellement \u00e0 l\u2019aide de la fonction <code>scale_color_manual()<\/code> and <code>scale_fill_manual()<\/code><\/li>\n<\/ul>\n<pre class=\"r\"><code>ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width))+\r\n  geom_point(aes(color = Species))+               \r\n  geom_smooth(aes(color = Species, fill = Species))+\r\n  facet_wrap(~Species, ncol = 3, nrow = 1)+\r\n  scale_color_manual(values = c(\"#00AFBB\", \"#E7B800\", \"#FC4E07\"))+\r\n  scale_fill_manual(values = c(\"#00AFBB\", \"#E7B800\", \"#FC4E07\"))<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-ggplot-scatter-plot-with-regression-line-1.png\" width=\"624\" \/><\/p>\n<\/div>\n<div id=\"theme-de-ggplot\" class=\"section level2\">\n<h2>Th\u00e8me de GGPlot<\/h2>\n<p>Notez que le th\u00e8me par d\u00e9faut de ggplots est <code>theme_gray()<\/code> (ou <code>theme_grey()<\/code>), qui est un th\u00e8me avec un fond gris et des lignes de grille blanches. D\u2019autres th\u00e8mes sont disponibles pour des pr\u00e9sentations ou des publications professionnelles. Il s\u2019agit notamment de : <code>theme_bw()<\/code>, <code>theme_classic()<\/code>et <code>theme_minimal()<\/code>.<\/p>\n<p>Pour changer le th\u00e8me d\u2019un ggplot donn\u00e9 (p), utilisez ceci: <code>p + theme_classic()<\/code>. Pour changer le th\u00e8me par d\u00e9faut en <code>theme_classic()<\/code> pour tous les futurs ggplots pendant toute votre session R, tapez le code R suivant:<\/p>\n<pre class=\"r\"><code>theme_set(\r\n  theme_classic()\r\n)<\/code><\/pre>\n<p>Maintenant vous pouvez cr\u00e9er des ggplots avec <code>theme_classic()<\/code> comme th\u00e8me par d\u00e9faut:<\/p>\n<pre class=\"r\"><code>ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width))+\r\n  geom_point()<\/code><\/pre>\n<p><img decoding=\"async\" src=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/dn-tutorials\/ggplot2\/figures\/003-introduction-to-ggplot2-ggplot-examples-of-plots-1.png\" width=\"288\" \/><\/p>\n<\/div>\n<div id=\"autres-personnalisations-dun-ggplot\" class=\"section level2\">\n<h2>Autres personnalisations d\u2019un ggplot<\/h2>\n<p>Vous pouvez en savoir plus dans notre fiche ggplot en ligne, [GGPlot Cheat Sheet for Great Customization] (<a class=\"uri\" href=\"http:\/\/www.sthda.com\/english\/articles\/32-r-graphics-essentials\/125-ggplot-cheat-sheet-for-great-customization\/\">http:\/\/www.sthda.com\/english\/articles\/32-r-graphics-essentials\/125-ggplot-cheat-sheet-for-great-customization\/<\/a>), qui d\u00e9crit comment:<\/p>\n<ul>\n<li>Ajouter un titre, un sous-titre, une l\u00e9gende et modifier les libell\u00e9s des axes<\/li>\n<li>Modifier l\u2019apparence - couleur, taille et style - des titres<\/li>\n<li>D\u00e9finir les limites de l\u2019axe<\/li>\n<li>D\u00e9finir une \u00e9chelle d\u2019axe logarithmique<\/li>\n<li>Pivoter le texte des axes<\/li>\n<li>Modifier le titre et la position de la l\u00e9gende, ainsi que la couleur et la taille<\/li>\n<li>Modifier un th\u00e8me ggplot et modifier la couleur de l\u2019arri\u00e8re-plan<\/li>\n<li>Ajouter une image d\u2019arri\u00e8re-plan \u00e0 un ggplot<\/li>\n<li>Utilisez diff\u00e9rentes palettes de couleurs : palettes de couleurs personnalis\u00e9es, palettes adapt\u00e9es aux daltoniens, palettes RColorBrewer, palettes de couleurs viridis et palettes de couleurs pour revues scientifiques.<\/li>\n<li>Modifier les formes de points (symboles) et les types de lignes<\/li>\n<li>Rotation d\u2019un ggplot<\/li>\n<li>Annoter un ggplot en ajoutant des lignes droites, des fl\u00e8ches, des rectangles et du texte.<\/li>\n<\/ul>\n<\/div>\n<div id=\"sauvegarder-ggplots\" class=\"section level2\">\n<h2>Sauvegarder ggplots<\/h2>\n<p>Vous pouvez exporter un ggplot vers de nombreux formats de fichiers, y compris : PDF, fichiers vectoriels SVG, PNG, TIFF, JPEG, etc.<\/p>\n<p>La proc\u00e9dure standard pour sauvegarder les graphiques de R est la suivante:<\/p>\n<ol style=\"list-style-type: decimal;\">\n<li><strong>Ouvrir une fen\u00eatre graphique<\/strong> en utilisant l\u2019une des fonctions suivantes:<\/li>\n<\/ol>\n<ul>\n<li>pdf(\u201cr-graphics.pdf\u201d),<\/li>\n<li>svg(\u201cr-graphics.svg\u201d),<\/li>\n<li>png(\u201cr-graphics.png\u201d),<\/li>\n<li>tiff(\u201cr-graphics.tiff\u201d),<\/li>\n<li>jpeg(\u201cr-graphics.jpg\u201d),<\/li>\n<li>et ainsi de suite.<\/li>\n<\/ul>\n<p>Des arguments suppl\u00e9mentaires indiquant la largeur et la hauteur (en pouces) de la zone graphique peuvent \u00e9galement \u00eatre sp\u00e9cifi\u00e9s dans la fonction mentionn\u00e9e.<\/p>\n<ol style=\"list-style-type: decimal;\" start=\"2\">\n<li><strong>Cr\u00e9er et afficher un graphique<\/strong><\/li>\n<li><strong>Fermer la fen\u00eatre graphique<\/strong> \u00e0 l\u2019aide de la fonction <code>dev.off()<\/code><\/li>\n<\/ol>\n<p>Par exemple, pour exporter des graphiques ggplot2 vers un fichier pdf, le code R ressemble \u00e0 ceci:<\/p>\n<pre class=\"r\"><code># Cr\u00e9er des graphiques\r\nlibrary(ggplot2)\r\nmyplot1 &lt;- ggplot(iris, aes(Sepal.Length, Sepal.Width)) + \r\n  geom_point()\r\nmyplot2 &lt;- ggplot(iris, aes(Species, Sepal.Length)) + \r\n  geom_boxplot()\r\n\r\n# Enregistrer les graphiques dans un fichier pdf\r\npdf(\"ggplot.pdf\")\r\nprint(myplot1)     # Graphique 1 --&gt; dans la premi\u00e8re page du PDF\r\nprint(myplot2)     # Graphique 2 ---&gt; dans la deuxi\u00e8me page du PDF\r\ndev.off() <\/code><\/pre>\n<p>Pour enregistrer dans un fichier <strong>png<\/strong>, utilisez:<\/p>\n<pre class=\"r\"><code>png(\"myplot.png\")\r\nprint(myplot)\r\ndev.off()<\/code><\/pre>\n<p>Il est \u00e9galement possible de faire un ggplot et de l\u2019enregistrer \u00e0 l\u2019\u00e9cran en utilisant la fonction <strong>ggsave()<\/strong>:<\/p>\n<pre class=\"r\"><code># 1. Cr\u00e9er un graphique : affich\u00e9 \u00e0 l'\u00e9cran (par d\u00e9faut)\r\nggplot(mtcars, aes(wt, mpg)) + geom_point()\r\n# 2.1. Sauvegarder le graphique au format pdf\r\nggsave(\"myplot.pdf\")\r\n# 2.2 OU l'enregistrer dans un fichier png\r\nggsave(\"myplot.png\")<\/code><\/pre>\n<\/div>\n<div id=\"conclusion\" class=\"section level2\">\n<h2>Conclusion<\/h2>\n<p>Cet article explique les bases de ggplot2 et montre comment exporter un ggplot vers un fichier PDF ou PNG.<\/p>\n<\/div>\n<div id=\"references\" class=\"section level2 unnumbered\">\n<h2>References<\/h2>\n<div id=\"refs\" class=\"references\">\n<div id=\"ref-R-ggplot2\">\n<p>Wickham, Hadley, Winston Chang, Lionel Henry, Thomas Lin Pedersen, Kohske Takahashi, Claus Wilke, Kara Woo, and Hiroaki Yutani. 2019. <em>Ggplot2: Create Elegant Data Visualisations Using the Grammar of Graphics<\/em>. <a class=\"uri\" href=\"https:\/\/CRAN.R-project.org\/package=ggplot2\">https:\/\/CRAN.R-project.org\/package=ggplot2<\/a>.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p><!--end rdoc--><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Cet article pr\u00e9sente les bases de ggplot2. Les fonctions graphiques cl\u00e9s de ggplot sont pr\u00e9sent\u00e9es. Vous apprendrez comment construire un ggplot morceau par morceau, ainsi que comment personnaliser et exporter le graphique. <\/p>\n","protected":false},"author":1,"featured_media":10461,"parent":0,"menu_order":0,"comment_status":"open","ping_status":"closed","template":"","class_list":["post-10460","dt_lessons","type-dt_lessons","status-publish","has-post-thumbnail","hentry"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v25.2 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Meilleure Introduction \u00e0 GGPlot2 - Datanovia<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Meilleure Introduction \u00e0 GGPlot2 - Datanovia\" \/>\n<meta property=\"og:description\" content=\"Cet article pr\u00e9sente les bases de ggplot2. Les fonctions graphiques cl\u00e9s de ggplot sont pr\u00e9sent\u00e9es. Vous apprendrez comment construire un ggplot morceau par morceau, ainsi que comment personnaliser et exporter le graphique.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/\" \/>\n<meta property=\"og:site_name\" content=\"Datanovia\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"512\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"8 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/\",\"name\":\"Meilleure Introduction \u00e0 GGPlot2 - Datanovia\",\"isPartOf\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg\",\"datePublished\":\"2019-11-17T18:39:47+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#primaryimage\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg\",\"width\":1024,\"height\":512},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Le\u00e7ons\",\"item\":\"https:\/\/www.datanovia.com\/en\/fr\/lessons\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Introduction \u00e0 GGPlot2\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#website\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"name\":\"Datanovia\",\"description\":\"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision\",\"publisher\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#organization\",\"name\":\"Datanovia\",\"url\":\"https:\/\/www.datanovia.com\/en\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"contentUrl\":\"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png\",\"width\":98,\"height\":99,\"caption\":\"Datanovia\"},\"image\":{\"@id\":\"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Meilleure Introduction \u00e0 GGPlot2 - Datanovia","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/","og_locale":"fr_FR","og_type":"article","og_title":"Meilleure Introduction \u00e0 GGPlot2 - Datanovia","og_description":"Cet article pr\u00e9sente les bases de ggplot2. Les fonctions graphiques cl\u00e9s de ggplot sont pr\u00e9sent\u00e9es. Vous apprendrez comment construire un ggplot morceau par morceau, ainsi que comment personnaliser et exporter le graphique.","og_url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/","og_site_name":"Datanovia","og_image":[{"width":1024,"height":512,"url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"8 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/","url":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/","name":"Meilleure Introduction \u00e0 GGPlot2 - Datanovia","isPartOf":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#primaryimage"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#primaryimage"},"thumbnailUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg","datePublished":"2019-11-17T18:39:47+00:00","breadcrumb":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#primaryimage","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/10\/IMG_0789.jpg","width":1024,"height":512},{"@type":"BreadcrumbList","@id":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/introduction-a-ggplot2\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.datanovia.com\/en\/fr\/"},{"@type":"ListItem","position":2,"name":"Le\u00e7ons","item":"https:\/\/www.datanovia.com\/en\/fr\/lessons\/"},{"@type":"ListItem","position":3,"name":"Introduction \u00e0 GGPlot2"}]},{"@type":"WebSite","@id":"https:\/\/www.datanovia.com\/en\/fr\/#website","url":"https:\/\/www.datanovia.com\/en\/fr\/","name":"Datanovia","description":"Exploration de Donn\u00e9es et Statistiques pour l'Aide \u00e0 la D\u00e9cision","publisher":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.datanovia.com\/en\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/www.datanovia.com\/en\/fr\/#organization","name":"Datanovia","url":"https:\/\/www.datanovia.com\/en\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","contentUrl":"https:\/\/www.datanovia.com\/en\/wp-content\/uploads\/2018\/09\/datanovia-logo.png","width":98,"height":99,"caption":"Datanovia"},"image":{"@id":"https:\/\/www.datanovia.com\/en\/fr\/#\/schema\/logo\/image\/"}}]}},"multi-rating":{"mr_rating_results":[]},"_links":{"self":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/10460","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons"}],"about":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/types\/dt_lessons"}],"author":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/comments?post=10460"}],"version-history":[{"count":0,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/dt_lessons\/10460\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media\/10461"}],"wp:attachment":[{"href":"https:\/\/www.datanovia.com\/en\/fr\/wp-json\/wp\/v2\/media?parent=10460"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}