BIO500

class: title-slide, middle

# Bloc 3

## La visualisation des données

.instructors[
  **BIO500** - Victor Cameron
]

---

# Bloc 3

- Les notions sont abordés dans les chapitres [10](https://econumuds.github.io/BIO500/figures.html) et [11](https://econumuds.github.io/BIO500/composantes_graphiques.html) du livre.

- Un guide des fonctionalités de R pour la visualisation des données vous est accessible [ici](https://github.com/EcoNumUdS/BIO500/blob/master/references/graphsonr.pdf).

- Vous trouverez du matériel supplémentaire dans le [cours](https://r.qcbs.ca/workshop03/book-fr/index.html) du [CSBQ](https://qcbs.ca/).

---
class: inverse, center, middle

# Pourquoi la visualisation de données est importante ?

---

# La visualisation de données

.center[<blockquote class="twitter-tweet"><p lang="en" dir="ltr" href="https://twitter.com/hashtag/rstats?src=hash&amp;ref_src=twsrc%5Etfw">#rstats</a> <a href="https://twitter.com/hashtag/tidyverse?src=hash&amp;ref_src=twsrc%5Etfw">#tidyverse</a> <a href="https://twitter.com/hashtag/datajournalism?src=hash&amp;ref_src=twsrc%5Etfw">#datajournalism</a> <a href="https://twitter.com/hashtag/dataviz?src=hash&amp;ref_src=twsrc%5Etfw">#dataviz</a> <a href="https://twitter.com/hashtag/Penguins?src=hash&amp;ref_src=twsrc%5Etfw">#Penguins</a> <a href="https://t.co/u2rXkBehxS">pic.twitter.com/u2rXkBehxS</a></p>&mdash; Laura Navarro (@LauraNavarroSol) <a href="https://twitter.com/LauraNavarroSol/status/1289216490307063814?ref_src=twsrc%5Etfw">July 31, 2020</a></blockquote> <script async src="https://platform.twitter.com/widgets.js" charset="utf-8"></script>]

---

# La visualisation de données

Les données sont essentielles pour supporter ses arguments et convaincre un auditoire. Toutefois, les données brutes endorment les auditeurs, ou pire, les font fuir.

## La visualisation de données permet de présenter les données de manière plus attrayante et plus facile à comprendre.

Voyons comment tirer avantage de la visualisation de données.

---

# La visualisation de données

## Quel est le message ?

.center[
  <img src="assets/img/table_visu.png" width="100%"></img>
]

---

# La visualisation de données

## Et maintenant ?

.center[
  <img src="assets/img/plot_visu.png" height="450px"></img>
]

---

# La visualisation de données

## Une courbe de tendance seule ne suffit pas !

.center[
  <img src="assets/img/plot_visu.png" height="450px"></img>
]

---

# La visualisation de données

## Les données sont utiles uniquement si elles peuvent être comprises

.center[
  <img src="assets/img/plot_visu.png" height="450px"></img>
]

---
class: inverse, center, middle

# Qu'est-ce qui fait une bonne figure ?

---

# Qu'est-ce qui fait une bonne figure ?

## Quelques questions à se poser :

- Quel est le message à communiquer ?
- Qui est le public
- Quelle est la meilleure façon de visualiser le message

Règle générale : **restez simple, utilisez moins d'encre**

---

# Qu'est-ce qui fait une bonne figure ?

## Quel est le message de cette figure ?

.center[
  <img src="assets/img/Pacala.png" width="80%"></img>
]

---

# Qu'est-ce qui fait une bonne figure ?

## Trop d'information !

.center[
  <img src="assets/img/Pacala.png" width="80%"></img>
]

---

# Qu'est-ce qui fait une bonne figure ?

## Comment cette figure pourrait être améliorée ?

<br><br>
.center[
  <img src="assets/img/Boulangeat.png" width="100%"></img>
]

---

# Qu'est-ce qui fait une bonne figure ?

## Abus de symboles et de couleurs !

<br><br>
.center[
  <img src="assets/img/Boulangeat.png" width="100%"></img>
]

---

# Qu'est-ce qui fait une bonne figure ?

## Que remarquez-vous en premier ?

.center[
  <img src="assets/img/Desjardins.png" width="80%"></img>
]

---

# Qu'est-ce qui fait une bonne figure ?

## Non respect des normes graphiques

.center[
  <img src="assets/img/Desjardins.png" width="80%"></img>
]

---
class: inverse, center, middle

# La première étape : bien identifier le message à communiquer

---

# Identifier le message

## Voici un exemple illustrant l'importance de visualiser ses données:

.center[
  <img src="assets/img/table_visu.png" width="100%"></img>
]

---

# Identifier le message

## Voici un exemple illustrant l'importance de visualiser ses données:

.center[
  <img src="assets/img/plot_visu.png" height="450px"></img>
]

---

# Communiquer par les graphiques

- Les graphiques sont généralement **plus efficaces à communiquer** un message/un résultat qu'un tableau.

- **Problème:** La représentation graphique peut parfois nous conduire à une **fausse interprétation**. L'idée est de transmettre une idée sans biaiser le lecteur.

---

# Communiquer par les graphiques

.center[
  <img src="assets/img/deformation.png" width="100%"></img>
]

---
class: inverse, center, middle

# Règles et composantes graphiques

---

# Les composantes graphiques

.pull-left[

- Les axes et échelles.
- Le titre de la figure.
- La légende
- Le [type de représentation des données](http://www.datavizcatalogue.com/).
]

.pull-right[
  .center[
    <img src="assets/img/viz.png" width="100%"></img>
  ]
]

---

# Les règles graphiques

.pull-left[

- Une figure doit renvoyer un seul message/résultat.
- Chaque élément d'une figure doit **aider à comprendre** ce message.
- **Choisir le bon type de représentation** permet de mettre en valeur plus facilement ce qui doit être illustré.
- **Attention aux normes graphiques**: Choix des couleurs, taille des caractères, épaisseur de la ligne, disposition des marges, cadrage etc.
]

.pull-right[
  .center[
    <img src="assets/img/viz.png" width="100%"></img>
  ]
]

---

# Quelques conseils

- Ne pas **JAMAIS** utiliser de diagramme en pointe de tarte

.center[
  <img src="assets/img/pies_vs_bars.png" width="100%"></img>
]

---

# Quelques conseils

.pull-left[

- Éviter les figures 3D.
- Limiter le nombre de dimensions (3 ou 4 dimensions max).
- La multi-dimensionnalité peut être gérée en:
  - Modifiant la forme et la la taille des points
  - Ajoutant des couleurs
]

.pull-right[
  .center[
    <img src="assets/img/Pacala.png" height="350px"></img>
  ]
]

---

# Choisir une visualisation

## Présenter une distribution

.center[
  <img src="assets/img/viz_distribution.png" height="150px"></img>
]

## Montrer une tendance

.center[
  <img src="assets/img/viz_tendance.png" height="150px"></img>
]

---

# Choisir une visualisation

## Comparer ou contraster

.center[
  <img src="assets/img/viz_comparaison.png" height="150px"></img>
]

## Établir une relation

.center[
  <img src="assets/img/viz_relation.png" height="150px"></img>
]

---

# Choisir une visualisation

## Flux

.center[
  <img src="assets/img/viz_flux.png" height="150px"></img>
]

---
class: inverse, center, middle

# Deuxième étape : dessiner sa figure à la main

---

# Exercice

## 10 minutes

Dessinez à la main une proposition de figure pour la phénologie des différentes espèces de chauve-souris du Québec.

Message : Les dates de présence des chauve-souris varie selon les espèces.

```
##     X site_id          taxa_name   date_obs
## 1 354       1 Aeorestes cinereus 2021-06-18
## 2 355       1 Aeorestes cinereus 2021-08-11
## 3 356       1 Aeorestes cinereus 2021-08-06
## 4 357       1 Aeorestes cinereus 2021-06-01
## 5 358       1 Aeorestes cinereus 2021-08-08
## 6 359       1 Aeorestes cinereus 2021-08-11
```

---

# Préparer les données adéquatement

- Habituellement un `data.frame` ou `une matrice`
- Une observation par ligne (format long)

---

# Ouvrir une fenêtre graphique

```r
dev.new(width = 10, height = 7)
```

---

# Fixer certains paramètres

```r
# Fixer la largeur et la hauteur des marges
par(mar = c(5,6,2,1))

# Fixer le nombre de figures en colonnes et rangées
par(mfrow = c(1,1))
```

---

# Démarrer une figure avec `plot()`

.font90[

```r
arbres <- read.csv2("assets/data/arbres.csv")
densite <- table(arbres[,c(3,5)])
elevation <- as.numeric(row.names(densite))
plot(elevation, densite[,1], axes = TRUE,
      xlab = "Élévation", ylab = "Densité")
```

<img src="index_files/figure-html/unnamed-chunk-8-1.png" width="55%" style="display: block; margin: auto;" />
]

---

# Échelles logarithmiques

```r
plot(elevation, densite[,1], axes = TRUE,
      xlab = "Élévation", ylab = "Densité",
      log = "xy")
```

---

# Ajuster les tailles de caractères

## Arguments `cex`, `cex.lab` et `cex.axis`

```r
plot(elevation, densite[,1], axes = TRUE,
      xlab = "Élévation", ylab = "Densité",
      cex.lab = 1.5, cex.axis = 1.25, cex = 1.5)
```

---

# Modifier les axes

.font90[

```r
axis(1, seq(0,1000,100))
axis(2)
```
<img src="index_files/figure-html/unnamed-chunk-12-1.png" width="55%" style="display: block; margin: auto;" />
]

---

# Ajouter un titre

```r
title(main = "Densité au long du gradient d'élévation")
```

---

# Superposer des points d'autres données

```r
points(elevation, densite[,3], pch = 19, cex = 1.5)
```

---

# Superposer des lignes

```r
lines(elevation, densite[,1],lty = 1, lwd = 1.5)
lines(elevation, densite[,3], lty  = 3, lwd = 1.5)
```

---

# Ajouter une ligne de tendance

```r
model = lm(densite[,3]~elevation)
summary(model)
abline(model, col = "darkred")
```

```
## 
## Call:
## lm(formula = densite[, 3] ~ elevation)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -59.796 -26.743  -3.565  24.050  92.175 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 148.10588   11.23433  13.183   <2e-16 ***
## elevation    -0.16650    0.01976  -8.428    5e-11 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 40.32 on 48 degrees of freedom
## Multiple R-squared:  0.5968,	Adjusted R-squared:  0.5884 
## F-statistic: 71.04 on 1 and 48 DF,  p-value: 4.999e-11
```

---

# Ajouter une ligne de tendance

```r
model = lm(densite[,3]~elevation)
abline(model, col = "darkred")
```

---

# Ajouter une légende

```r
legend("top", bty = "n", pch = c(19,1), lty = 1,
    legend = c("Érable à sucre", "Sapin baumier"),
    cex = 1.5)
```

---

# Ajouter du texte

```r
r2 <- round(summary(model)$r.squared, 2)
text(x = 850, y = 25, paste("R2=",r2),
    cex = 21.5)
```

---

# Pour plus d'information

- `?plot`
- `?par`
- `?axis`
- `?mtext`

---
class: inverse, center, middle

# Créer d'autres types de figure

---

# Diagramme de dispersion (Scatter plot)

.font80[

```r
arbres  <- read.csv2("assets/data/arbres.csv")
densite <- table(arbres[,c(3,5)])
elevation <- as.numeric(row.names(densite))
plot(elevation, densite[,1], pch = 19,
  xlab = "Elevation", ylab = "Densité")
points(elevation, densite[,3])
```
]

---

# Diagrammes à bâtons (Bar plot)

```r
arbres  <- read.csv2("assets/data/arbres.csv")
n_tot <- table(arbres$esp)
barplot(n_tot)
```

---

# Histogrammes

```r
hist(densite[,3])
```

---

# Représentation 3-D

.font70[

```r
x <- 10*(1:nrow(volcano))
y <- 10*(1:ncol(volcano))

image(x, y, volcano,
  col = terrain.colors(100), axes = FALSE)

axis(1, at = seq(100, 800, by = 100))
axis(2, at = seq(100, 600, by = 100))
box()

title(main = "Maunga Whau Volcano", font.main = 4)
```
]

---

# Lignes de contour

.font70[

```r
x <- 10*(1:nrow(volcano))
y <- 10*(1:ncol(volcano))

image(x, y, volcano,
  col = terrain.colors(100), axes = FALSE)

axis(1, at = seq(100, 800, by = 100))
axis(2, at = seq(100, 600, by = 100))
box()

title(main = "Maunga Whau Volcano", font.main = 4)

contour(x, y, volcano,
  levels = seq(90, 200, by = 5),
  add = TRUE, col = "black")
```
]

---

# Enregistrer une figure

```r
dev.copy(pdf, file = "test.pdf")
dev.copy(png, file = "test.png")
dev.copy(svg, file = "test.eps")
```

---

# Exercice

## 15 minutes

Scripter votre figure sur R à l'aide des [données](./assets/data/phenologie.csv)

Si elle est trop élaborée, vous pouvez la simplifier pour la rendre plus facile à réaliser

---

# Exercice

.center[
  <img src="assets/img/pheno_1.png" width="100%"></img>
]

---

# Exercice

.center[
  <img src="assets/img/pheno_2.png" width="100%"></img>
]

---
class: inverse, center, middle

# Troisième étape : être créatif !

---

# Créativité

## Créer d'autres types de figures

[Animation](https://quebio.ca/connect/?lang=fr#9/46.2359/-72.3120)

[Interactivité](https://biodiversite-quebec.ca/fr/inventaires/site/268)

[Infographies](https://www.visualcapitalist.com/history-of-pandemics-deadliest/)

---
class: inverse, center, middle

# Travail de la semaine

---

# Consignes

- Identifier clairement vos questions de recherche
- Compléter votre analyse au moyen de 3 figures et 1 tableau

---

# Attentes pour le travail de session

- Clareté des questions et adéquation des figures et du tableau
- Efficacité de la présentation
- Respect de normes graphiques
- Originalité

---

# Lectures

Est-ce que la science ouverte peut prévenir la fraude ?

.center[
  <img src="assets/img/spider.png" width="30%"></img>
]

[Lien vers l'article dans Science](https://www.sciencemag.org/news/2020/01/spider-biologist-denies-suspicions-widespread-data-fraud-his-animal-personality)

[Et un lien vers un blog qui explique comment la triche a été réalisée](https://laskowskilab.faculty.ucdavis.edu/2020/01/29/retractions/)

---
class: inverse, center, middle

# Évaluation formative #2

## Structurer sa base de données

---

## Évaluation formative #2

Chaque équipe doit évaluer les scripts d'une autre équipe

- À compléter pour le **8 avril**
- La personne qui a remis le travail est responsable d'entrer l'évaluation
- Tous les commentaires doivent être formulés comme une question

---