Discussion :

[preliator]

Bonjour à tous,

Admettons le dataframe suivant, où chaque ligne correspond au nombre de personnes qui est à telle distance d'un arrêt de bus.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
ddt = data.frame(nbr_population = as.integer(runif(1000, 1,1500)), distance_arret = as.integer(runif(1000, 1,40000)))

Je voudrais donc créer une courbe de fréquence cumulée, avec en X la colonne des distance, et en Y le pourcentage de population, de 0 à 100% en utilisant GGPLOT. J'ai pu m’entraîner à le faire sur Excel (https://zupimages.net/viewer.php?id=20/15/ddbx.png), où on voit que 80% de la population est située à moins de 3418 m d'un arrêt de bus.

Est-il possible de faire ceci sur R ?

Merci.

[olivier.decourt]

Bonjour.
Oui, c'est possible. Il y a la fonction stat_ecdf qui calcule des densités cumulées.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
library(ggplot2)
 
set.seed(1)
ddt <- data.frame(nbr_population = as.integer(runif(1000, 1,1500)), 
                  distance_arret = as.integer(runif(1000, 1,40000)))
 
 
ggplot(ddt) +
  aes(x=distance_arret,
      weight=nbr_population) +
  geom_line(stat="ecdf")

[preliator]

Un grand merci à vous

[preliator]

Bonjour, et merci beaucoup pour votre réponse. Votre formule répond entièrement à mon problème.

Juste par curiosité, j'ai testé de résoudre mon problème avec mes propres données, avec la fonction stat_ecdf, et je me retrouve avec un résultat faux.

Voici un aperçu de mes données :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
Nombre_de_retraites; Nombre_de_jeunes;                 Distance_gares
44.0                          88.0                       36.45
2.8                           11.0                        3.02
35.0                          70.5                       4.27
20.0                          85.0                       10.58

Première solution (celle que vous m'avez donné) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
data$taux_cum_sum = cumsum(data$Nombre_de_retraites) / sum(data$Nombre_de_retraites)
 
ggplot(data, aes(x = Distance_gares, y = taux_cum_sum)) +
    geom_path() +
    geom_point()

J'obtiens une courbe, ressemblant bien plus au résultat obtenu sur Excel : https://zupimages.net/viewer.php?id=20/15/nd18.png


Pour comparaison, voici la courbe obtenue sur excel : https://zupimages.net/viewer.php?id=20/15/yob7.png

Deuxième solution :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
ggplot(data) +
    aes(x=Distance_gares,
        weight=Nombre_de_retraites) +
    geom_line(stat="ecdf")

J'obtiens cette courbe : https://zupimages.net/viewer.php?id=20/15/aswx.png

Je précise que cette courbe semble venir par défaut. Effectivement, en tentant de changer la valeur des Y, je tombe toujours sur cette courbe.

Ai-je oublié un paramètre sur la deuxième solution ?

Mon tableau de données : https://drive.google.com/open?id=151...SFVqcXXscYfBo0

Merci.

[olivier.decourt]

Bonjour.

Tu as raison, je n'avais pas vu que stat_ecdf ne tenait pas compte des pondérations. Il y a un message sur StackOverflow à ce sujet, qui indique ta solution avec cumsum (bien penser à trier par distance croissante avant !) comme une bonne manière de tracer la courbe.
Sinon il y a apparemment sur GitHub un code pour masquer la fonction de {ggplot2} par une autre qui tient compte des poids, je n'ai pas testé.

PS : sur ton graphique Excel, l'axe des X a l'air plus catégoriel que quantitatif (les graduations ont l'air bizarres) ?!

[preliator]

Excellent ! Merci pour ce lien vers ce forum. Il a visiblement échappé à toute mes recherches ...

Pour l'axe des X de mon graphique sur Excel, il s'agit d'un format d'axe que je n'ai pas réussi à changer dans les paramètres. L'écart entre les chiffres est très petit, ce qui fait que j'ai énormément de chiffres sur cet axe. Je regarderai plus tard comment agrandir l'espace (tout les 5000 par exemple).

S'il n'est pas possible d'utiliser stat_ecdf si on utilise des pondérations, dans quels situations l'utilise t-on généralement ?

Merci pour toute ces informations qui me feront progresser