🔍 𝐕𝐢𝐬𝐮𝐚𝐥𝐢𝐬𝐞𝐫 𝐥𝐞𝐬 𝐝𝐢𝐬𝐭𝐫𝐢𝐛𝐮𝐭𝐢𝐨𝐧𝐬 𝐝𝐞 𝐝𝐨𝐧𝐧é𝐞𝐬 𝐚𝐯𝐞𝐜 𝐥𝐞 𝐆𝐫𝐚𝐩𝐡𝐢𝐪𝐮𝐞 𝐑𝐢𝐝𝐠𝐞 : 𝐄𝐬𝐬𝐞𝐧𝐭𝐢𝐞𝐥 𝐞𝐧 𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐪𝐮𝐞 !

Le 𝐫𝐢𝐝𝐠𝐞 𝐩𝐥𝐨𝐭 est un outil puissant pour représenter la distribution d’une variable continue selon les groupes d’une variable catégorielle. Il empile plusieurs courbes de densité pour comparer les formes, les pics, et les recouvrements entre les groupes.

Par exemple, ici on visualise comment le prix des diamants varie selon leur niveau de clarté. On distingue clairement que :

• Les diamants de 𝐡𝐚𝐮𝐭𝐞 𝐜𝐥𝐚𝐫𝐭é (ex. IF, VVS1) ont des prix plus élevés.

• Les diamants de 𝐛𝐚𝐬𝐬𝐞 𝐜𝐥𝐚𝐫𝐭é (ex. SI2, I1) ont des prix plus faibles.

Ce type de graphique est idéal pour :

• Comparer les distributions entre groupes

• Identifier les valeurs moyennes, les pics (modes)

• Détecter les asymétries et les chevauchements

• 𝐄𝐱𝐞𝐦𝐩𝐥𝐞𝐬 : température par mois, expression génique par condition, niveau de nutriments par traitement…

𝐂𝐨𝐦𝐦𝐞𝐧𝐭 𝐥𝐞 𝐜𝐫é𝐞𝐫 𝐝𝐚𝐧𝐬 𝐑 :

Avec les packages ggridges et ggplot2, il suffit d'utiliser geom_density_ridges() pour afficher les courbes de densité, et jouer sur scale pour ajuster le chevauchement ou normaliser les hauteurs.

𝐂𝐨𝐝𝐞 𝐜𝐨𝐦𝐩𝐥𝐞𝐭 𝐝𝐚𝐧𝐬 𝐑 𝐩𝐨𝐮𝐫 𝐠é𝐧é𝐫𝐞𝐫 𝐮𝐧 𝐑𝐢𝐝𝐠𝐞 𝐏𝐥𝐨𝐭

# Installer les packages nécessaires

install.packages("ggplot2")

install.packages("ggridges")

# Charger les bibliothèques

library(ggplot2)

library(ggridges)

# Graphique ridge classique avec échelle contrôlée (scale = 3)

ggplot(diamonds, aes(x = price, y = clarity, fill = clarity)) +

geom_density_ridges(scale = 3, rel_min_height = 0.01) +

theme_minimal() +

labs(

title = "Distribution des prix des diamants selon la clarté",

x = "Prix",

y = "Clarté"

)

# Comparaison des deux types d'échelles (facettes)

ggplot(diamonds, aes(x = price, y = clarity, fill = clarity)) +

geom_density_ridges(scale = 1, scale_y = "density") +

facet_wrap(~ "Densité normalisée (aire = 1)")

ggplot(diamonds, aes(x = price, y = clarity, fill = clarity)) +

geom_density_ridges(scale = 1, scale_y = "height") +

facet_wrap(~ "Hauteur normalisée (pic = 1)")

________________________________________

𝐔𝐭𝐢𝐥𝐢𝐭é𝐬 𝐩𝐫𝐚𝐭𝐢𝐪𝐮𝐞𝐬

Ce type de graphique peut s’appliquer à de nombreux cas :

𝐏𝐫𝐢𝐱 𝐩𝐚𝐫 𝐜𝐚𝐭é𝐠𝐨𝐫𝐢𝐞, 𝐭𝐞𝐦𝐩é𝐫𝐚𝐭𝐮𝐫𝐞 𝐩𝐚𝐫 𝐦𝐨𝐢𝐬, 𝐬𝐞𝐫𝐯𝐢𝐜𝐞 𝐩𝐚𝐫 𝐭𝐫𝐚𝐢𝐭𝐞𝐦𝐞𝐧𝐭, 𝐞𝐱𝐩𝐫𝐞𝐬𝐬𝐢𝐨𝐧 𝐠é𝐧𝐢𝐪𝐮𝐞 𝐩𝐚𝐫 𝐜𝐨𝐧𝐝𝐢𝐭𝐢𝐨𝐧, etc.

En résumé : Le 𝐫𝐢𝐝𝐠𝐞 𝐩𝐥𝐨𝐭 est parfait pour raconter une histoire visuelle sur la manière dont une variable change selon les groupes. Une arme redoutable pour les chercheurs, data analysts ou enseignants en statistique !