# 🧪 TD n°2 – Représentations graphiques et importation de données avec R (R1)
---
## 🎯 Objectifs du TD
Ce TD a pour objectif de :
- choisir une **représentation graphique adaptée** au type de données ;
- produire des **graphiques statistiques** simples avec R ;
- personnaliser les graphiques (titres, axes, couleurs) ;
- interpréter **histogrammes**, **boîtes à moustaches** et **diagrammes en barres** ;
- importer des données depuis des **fichiers CSV** ;
- réaliser une **exploration rapide** des données importées.
---
## 📌 Rappel : types de données et graphiques
|Type de variable|Exemples|Graphiques adaptés|
|---|---|---|
|Quantitative|taille, note, âge|histogramme, boxplot|
|Qualitative|couleur des yeux, mention|diagramme en barres|
⚠️ **Le choix du graphique dépend toujours du type de données.**
---
## 📊 Histogramme
### 🔹 Principe
Un histogramme représente la **distribution** d’une variable quantitative.
### 🔹 Fonction `hist()`
```r
hist(x, ...)
```
- `x` : vecteur numérique
- paramètres usuels :
- `main` : titre
- `xlab`, `ylab` : axes
- `col` : couleur
- `breaks` : découpage des classes
### 🔹 Exemple
```r
hist(NOTE_ETUDE[, "NOTE1"],
breaks = seq(0, 20, 0.5),
col = "red",
main = "Fréquences des notes en programmation",
xlab = "Notes",
ylab = "Effectifs")
```
---
## 🧪 Exercice 4 – Histogrammes
À partir de l’objet `NOTE_ETUDE` :
1. Réaliser un histogramme des **notes de programmation**.
2. Réaliser un histogramme des **notes de marketing**.
3. Ajouter un **titre** et nommer les **axes**.
---
## 📦 Boîte à moustaches (boxplot)
### 🔹 Principe
Le boxplot permet de visualiser :
- la médiane,
- les quartiles Q1 et Q3,
- l’intervalle interquartile (IQR),
- les valeurs aberrantes (_outliers_).
### 🔹 Fonction `boxplot()`
```r
boxplot(x, ...)
```
### 🔹 Lecture
- minimum = Q1 − 1,5 × IQR
- maximum = Q3 + 1,5 × IQR
---
## 🧪 Exercice 5 – Boxplot
1. Réaliser un **boxplot** des notes contenues dans `NOTE_ETUDE`.
2. Ajouter un titre et nommer les axes.
---
## 📊 Diagramme en barres
### 🔹 Principe
Le diagramme en barres est adapté aux **variables qualitatives**.
### 🔹 Fonction `barplot()`
```r
barplot(x, ...)
```
Arguments importants :
- `names.arg` : étiquettes
- `legend.text` : légende
- `main`, `xlab`, `ylab` : titres
- `col` : couleurs
---
### 🔹 Exemple simple
```r
mention <- c("AB", "B", "AB", "P", "P", "B", "P", "TB")
eff <- table(mention)
barplot(eff,
main = "Effectifs par type de mention",
xlab = "Mention",
ylab = "Effectifs",
col = rainbow(4))
```
---
## 📊 Diagramme en barres empilées
### 🔹 Proportions
```r
propligne <- proportions(eff, margin = 1)
propcol <- proportions(eff, margin = 2)
```
- `margin = 1` : proportions en ligne
- `margin = 2` : proportions en colonne
### 🔹 Exemple avec deux variables qualitatives
```r
mention <- c("AB","B","AB","P","P","B","P","TB")
couleursYeux <- c("b","v","m","b","b","n","m","b")
df <- data.frame(mention, couleursYeux)
eff <- table(df)
propcol <- proportions(eff, margin = 2)
barplot(propcol,
main = "Proportions des mentions selon la couleur des yeux",
ylab = "Proportions",
col = rainbow(4),
legend.text = TRUE)
```
---
## 📥 Importer des données CSV
### 🔹 Fonctions principales
```r
read.table()
read.csv()
read.csv2()
```
|Fonction|Séparateur|Décimal|
|---|---|---|
|`read.csv()`|`,`|`.`|
|`read.csv2()`|`;`|`,`|
---
### 🔹 Exemple
```r
exercice <- read.csv2("exercice1.csv",
header = TRUE,
row.names = 1)
```
Vérification :
```r
str(exercice)
```
---
## 🧪 Exercice 6 – Importation de données (CSV 1)
1. Importer le fichier `exercice1.csv`.
2. Vérifier la structure du tableau.
3. Calculer les effectifs avec `table()`.
4. Représenter graphiquement les données.
---
## 🧪 Exercice 7 – Importation de données (CSV 2)
1. Importer le fichier `exercice2.csv`.
2. Vérifier la structure avec `str()`.
3. Calculer la moyenne et les quartiles.
4. Choisir un graphique adapté.
---
## ✅ Exemple de corrigé – Exercice 7
```r
exercice2 <- read.csv2("exercice2.csv",
header = TRUE,
row.names = 1)
str(exercice2)
summary(exercice2)
boxplot(exercice2,
main = "Comparaison des rendements selon les traitements",
ylab = "Rendement",
col = c("red", "blue"))
```
---
## 🔑 Points clés à retenir
- Le **choix du graphique dépend du type de variable**.
- `hist()` → variables quantitatives.
- `boxplot()` → comparaison de distributions.
- `barplot()` → variables qualitatives.
- Les données CSV peuvent être importées facilement avec `read.csv()` et `read.csv2()`.
- Toujours vérifier un jeu de données avec `str()` et `summary()`.
---
## 📜 Historique
- Dernière mise à jour : `30 janvier 2026`
- Rédigé par : [[Jizhen CAI]]