Visualisation interactive de résultats d’ACP et d’ACM avec R et explor

explor est un package récent pour R dont l’objectif est de faciliter la visualisation et l’exploration de résultats d’analyses en composantes principales (ACP) ou d’analyses des correspondances (ACM).

Son utilisation est très simple : vous effectuez votre analyse à l’aide des fonctions dont vous avez l’habitude (actuellement sont supportées les fonctions des packages ade4 et FactoMineR) et vous appliquez simplement la fonction explor() à l’objet résultat.

Voici un exemple très simple reprenant un jeu de données de FactoMineR :

library(FactoMineR)
library(explor)

data(hobbies)
res.mca <- MCA(hobbies,quali.sup=19:22,quanti.sup=23)
explor(res.mca)

Une interface devrait alors se lancer (dans RStudio si vous utilisez cet environnement, sinon dans votre navigateur Web) et qui devrait ressembler vaguement à ceci :

 

 

L’interface change selon le type d’analyse, mais l’organisation globale reste la même : un barre d’onglets en haut de page vous permet de naviguer entre l’histogramme des valeurs propres, les tableaux de résultats et les graphiques représentant variables ou individus.

L’interface présente plusieurs fonctionnalités « interactives » :

  • Vous pouvez à tout moment modifier le ou les axes représentés
  • Les tableaux de résultats sont triables et filtrables dynamiquement
  • Vous pouvez sélectionner les points à afficher selon différents critères, leur opacité, leur taille
  • Vous pouvez associer couleur, symbole ou taille des points à différentes caractéristiques

Les graphiques eux-mêmes sont interactifs :

  • Vous pouvez zoomer avec la molette de la souris et vous déplacer dans le graphique en cliquant-déplaçant
  • Des tooltips apparaissent au survol des points avec les données correspondantes
  • Vous pouvez déplacer les étiquettes avec la souris pour les repositionner
  • Le survol des éléments de légende met en valeur les éléments correspondants

Les graphiques sont « dynamiques », c’est-à-dire que les changements d’axes, de taille, de couleur ou de points affichés s’effectuent sous forme d’animations qui peuvent faciliter la visualisation.

Enfin, vous pouvez à tout moment exporter le graphique actuellement affiché au format SVG.

explor supporte pour le moment les fonctions CA, MCA et PCA du package FactoMineR, et les fonctions dudi.coa, dudi.acm et dudi.pca du package ade4. Si vous souhaitez l’essayer c’est très simple, il vous suffit de l’installer avec :

install.packages("explor")

Pour plus d’informations vous pouvez consulter :

Le projet est assez jeune, donc n’hésitez pas à faire remonter bugs ou suggestions dans les commentaires, sur GitHub ou sur la liste r-soc.

RStudio, un environnement de développement pour R

R est un langage de traitement et d’analyse de données de plus en plus répandu, notamment grâce à sa puissance et au fait qu’il est libre, gratuit et multiplateforme. Nous avons déjà publié sur Quanti une introduction à ce logiciel.

RStudio est un outil apparu récemment et qui vient combler un manque dans la collection des outils associés à R : il s’agit d’un environnement de développement intégré (IDE en anglais) fonctionnel, libre, gratuit et multiplateforme.

Un IDE n’est pas une interface graphique au sens de SPSS ou Modalisa, qui permettrait d’utiliser le logiciel à travers des menus et des boîtes de dialogue : il s’agit d’un environnement facilitant la saisie, l’exécution de code, la visualisation des résultats, etc.

RStudio est multiplateforme, vous pouvez donc le télécharger et le faire fonctionner aussi bien sous Windows, Mac OS X ou Linux :

http://www.rstudio.org/download/

Son interface se présente sous la forme d’une unique fenêtre découpée en quatre zones que l’on peut redimensionner, masquer ou maximiser selon ses préférences.

Une zone permet l’édition de fichiers source R (avec coloration syntaxique et autocomplétion des noms de fonction et d’objet avec la touche tabulation), et une autre affiche la console avec la session R en cours d’exécution. L’utilisation du raccourci Ctrl+Entrée permet d’exécuter directement une ligne ou une sélection depuis le fichier source.

Une troisième zone permet de basculer entre l’affichage des objets de l’espace de travail actuel (Workspace) et l’historique des commandes exécutées. On peut même inspecter visuellement le contenu de certains objets :

Enfin, une quatrième zone permet de basculer entre :

  • un navigateur de fichiers
  • la fenêtre d’affichage et d’export des graphiques
  • une liste des extensions installées, qui permet de les charger en mémoire ou d’en installer de nouvelles très simplement
  • un navigateur d’aide qui permet à la fois la navigation dans l’aide en ligne intégrée à R et l’affichage des pages d’aide des différentes fonctions

Au final on obtient une interface à la fois claire et complète, qui n’a pour seul inconvénient que d’être uniquement disponible pour le moment en anglais.

Si on ajoute à cela plusieurs fonctionnalités avancées comme l’édition et la compilation de fichiers Sweave ou le fonctionnement en mode serveur (avec une interface disponible dans le navigateur Web des clients), on a vraiment une application complète plus que prometteuse pour une version pourtant estampillée Beta.

Peut-être pas aussi souple que le duo Emacs + ESS, mais certainement beaucoup plus rapide de prise en main !

Ressources : cartographie, ParisData, blog sur R

Un petit «billet bookmark» pour vous signaler trois ressources qui pourront intéresser certains :

  • ParisData est un projet résultant de la politique OpenData menée par la ville de Paris. Il permet d’accéder directement à des données relatives à la ville (listes d’équipements…) et à des fonds de carte (bâti, relief…), le tout sous une licence très ouverte.
  • Alea est un blog relatif à l’utilisation du logiciel R, plus particulièrement dans les sciences sociales (oui oui, il s’agit bien d’une séance éhontée d’autopromotion !).

Google Ngram viewer

Google a entrepris depuis plusieurs années une vaste entreprise de numérisation d’ouvrages pour son portail Google Books. Cette numérisation a donné lieu à la création d’un gigantesque corpus de mots dans différentes langues, et à la possibilité notamment de quantifier les fréquences d’apparition des ces mots et de ces expressions au fil du temps.

D’après Jean Veronis, ces données représentent le plus gros corpus linguistique de tous les temps, 500 milliards de mots, 5 millions d’ouvrages, soit environ 4% des livres jamais publiés.

Google a récemment mis à disposition une partie de ce corpus sous la forme d’un outil, nommé Books Ngram Viewer, qui permet de représenter graphiquement les fréquences d’un mot ou d’une expression au cours du temps dans différentes langues, avec la possibilité de comparer plusieurs mots ou expressions, ce qui laisse la place à toutes sortes d’expérimentations. On peut par exemple comparer l’évolution des fréquences d’apparition de certaines disciplines en sciences humaines et sociales :

D’autres exemples, à titre purement illustratif :

Les possibilités sont multiples, d’autant que Google met également à disposition une partie des données brutes, exploitables directement avec les outils adéquats :

http://ngrams.googlelabs.com/datasets

Ces fichiers (très volumineux !) permettent d’accéder aux nombres d’occurrence par année et par langue des différents n-grams (groupes de n mots). Ceci permet par exemple de représenter graphiquement les différentes associations de mots :

On peut donc imaginer de très nombreuses exploitations possibles de cette masse gigantesque de données, ce qui ne va pas sans poser non plus de questions sur une démarche ou les données peuvent parfois précéder les interrogations scientifiques, sans parler des limites inhérentes aux données elles-mêmes et leur acquisition. Pour une lecture critique on pourra notamment se référer à l’article de Patrick Peccatte :

Spatial analysis, un blog (anglophone) sur l’analyse spatiale

Spatial Analysis est un blog en anglais édité par James Cheshire, un doctorant au Centre for Advanced Spatial Analysis de l’University College de Londres :

http://spatialanalysis.co.uk/

Le blog contient une série de billets très accessibles sur les représentations cartographiques et l’analyse spatiale. Parmi les billets intéressants on pourra noter :

Une partie du blog s’intéresse plus particulièrement à la cartographie avec le logiciel R :

Le site fait partie des blogs référencés sur l’aggrégateur R-bloggers, très utile pour suivre l’actualité de ce langage libre de manipulation et d’analyse de données.

Gridworks, un outil libre d’exploration et de nettoyage de données

Gridworks est un outil libre permettant l’exploration et le nettoyage de bases de données. L’objectif n’est pas d’effectuer des analyses ou des statistiques, mais de fournir des outils permettant de vérifier la qualité des données et de les « nettoyer » si nécessaire avant importation dans un logiciel dédié à l’analyse.

Gridworks est libre, multiplateforme (Windows, Mac, Linux) et gratuit, il peut être téléchargé sur la page du projet. Il s’agit par contre d’un logiciel anglophone, dont l’interface et la documentation sont uniquement disponibles en anglais.

L’installation est très simple, une simple archive à décompresser sur votre disque et vous n’avez plus qu’à exécuter le programme qui s’y trouve. Vous devez ensuite lancer votre navigateur Web favori et ouvrir l’adresse http://127.0.0.1:3333. La particularité de Gridworks est en effet d’être une application Web qui tourne dans votre navigateur. Cette application fonctionne en local, sur votre ordinateur, rien n’est transmis sur le Web et la confidentialité et la sécurité de vos données sont préservées.

L’écran d’accueil vous propose de créer un nouveau projet, c’est-à-dire d’importer un jeu de données. Celles-ci peuvent être en différents formats textes (tabulé, CSV, etc.) ainsi qu’au format Excel.

Écran d'accueil de Gridworks

Une fois les données importées, on a accès à une vue tout à fait classique de données sous la forme d’un tableau.

Vue des données dans Gridworks

On peut alors commencer à utiliser les outils fournis. À noter que Gridworks utilise un système d’historique permettant de toujours annuler des actions déjà effectuées, et de revenir en arrière jusqu’à n’importe quel point du traitement. Cet historique est enregistré au sein du projet, il est donc conservé si vous quittez et relancez l’application.

Parmi les outils proposés, on notera notamment de nombreuses possibilités de faceting (extraction d’une partie des données) permettant de cibler de manière dynamique un sous-ensemble des lignes ou des colonnes et de leur appliquer des transformations ou des recodages. De même, un outil de clustering permet de détecter de manière automatisée les éléments se ressemblant fortement, par exemple pour éliminer des erreurs de saisie. Enfin, les outils de recodage sont également très pratiques, avec des possibilités d’édition ou de fusion rapides de modalités, ou des manipulations plus complexes des données à l’aide d’un langage dédié nommé GEL (Gridworks Expression Language).

Pour avoir un aperçu plus détaillé des possibilités, on pourra se reporter aux vidéos en ligne et au wiki sur le site du projet.

Appel à communications pour une journée d’études « Quantitatif / Qualitatif »

Le Centre Maurice Halbwachs organise une journée d’études le 3 mai 2010 à Paris sur le thème Quantitatif / Qualitatif, En finir avec une opposition contre-productive et lance un appel à communications.

La journée d’études a pour objet de consommer la rupture avec l’obstacle épistémologique que constitue le clivage « quanti/quali », en montrant comment celle-ci peut aider les sociologues à explorer des domaines originaux ou à revisiter un nouvel aspect d’objets bien connus par ailleurs ainsi qu’à consolider la validation empirique de théories constituées. Il s’agira également de favoriser des rencontres peu fréquentes entre chercheurs issus de formations différentes, afin que chacun voie ce qu’il a à apprendre des autres.

Des propositions de contributions sont attendues dans les domaines suivants :

1. Epistémologie/méthodologie, histoire des sciences

Quand il n’occupe pas une position de surplomb qui le porte à des énoncés trop généraux pour être utiles au chercheur, le discours sur la science est indispensable au travail de recherche. Critique des spécificités et des limites d’une méthode particulière, explicitation des relations entre méthode et théorie sur des cas concrets, mise en rapport de courants méthodologiques ou théoriques avec l’histoire de la discipline, sociogenèse de l’opposition « quanti / quali », ou toute autre analyse appelant à une pratique toujours plus réflexive des outils scientifiques en vue d’une articulation des méthodes qui se fasse en connaissance de cause : autant de types de contributions susceptibles d’être retenues.

2. Résultats produits grâce à l’utilisation conjointe d’outils encore peu associés…

La journée se veut principalement une arène de discussion autour de comptes-rendus de recherches. Les auteurs montreront, très concrètement, comment des assemblages méthodologiques originaux leur ont permis de produire leurs résultats. Ils éclaireront également les problèmes pratiques que ces montages leur ont posés et les répercussions théoriques qu’impliquent leurs choix méthodologiques. Comment ceux-ci se sont-ils révélés heuristiques ?

3. …ou grâce à l’émancipation du cadre contraignant que constitue l’opposition « quanti / quali »

L’abandon du schème classificatoire qui distingue les « méthodes qualitatives » des « méthodes quantitatives » n’appelle pas seulement à des combinaisons méthodologiques peu fréquentes : il invite aussi à revisiter l’emploi routinier que l’on fait de certains outils traditionnellement attachés à l’un ou à l’autre pôle de l’opposition. Dans ce but, nous porterons une attention particulière à toute contribution qui montrera combien il peut être fécond de libérer un outil d’analyse donné des liens historiques qui l’attachent à l’un des deux pôles.

Tous les détails dans le document PDF joint :

Une liste de discussion pour les utilisateurs de R en sciences sociales

R est un logiciel libre de traitement de données et d’analyse statistique dont la popularité va croissante. Une introduction à son utilisation a déjà été postée sur ce blog.

Afin de faciliter les échanges et l’entraide autour de l’utilisation de R en sciences sociales, une liste de discussion nomée R-soc vient d’être créée. Elle ne compte pour l’instant qu’une douzaine de membres, mais n’attend que vos annonces, questions et autres réflexions pour s’animer réellement !

À noter que cette liste est tout particulièrement destinée aux utilisateurs débutants. R n’étant pas un logiciel facile d’accès, il ne faut surtout pas hésiter à mobiliser les différentes ressources disponibles en cas de difficultés et avant de sentir le découragement poindre. Cette liste est faite pour cela.

Pour s’abonner à R-soc :

D’autres manière d’accéder à la liste que par courrier électronique sont également possibles grâce à Gmane, en particulier via une interface Web (sous forme de forum ou de blog), un lecteur de nouvelles NNTP, ou des fils RSS. Plus d’informations sur la page :

R pour les sociologues : une introduction au fameux logiciel libre d’analyse des données

Pendant longtemps, les sociologues désireux de mettre en oeuvre des outils quantitatifs d’analyse des données avaient le choix entre des outils simples et conviviaux (comme Sphinx ou Modalisa), mais peu puissants, et des outils puissants (comme SAS, SPSS, etc.), mais complexes à mettre en oeuvre, et… payants. Et puis est arrivé… R ! Son nom est bizarre, il appartient plutôt à la seconde catégorie, mais… il est gratuit ! R est en effet issu du monde des logiciels libres, et c’est une très bonne raison de l’adopter. L’autre très bonne raison, c’est sa puissance impressionnante, et son évolutivité : vous verrez, à l’usage, que R n’a rien à envier à SAS ou SPSS. QUANTI a donc choisi d’en faciliter l’accès à toutes celles et tous ceux qui veulent utiliser des méthodes quantitatives en sciences sociales, en publiant ici le « mode d’emploi » de R écrit par Julien Barnier à destination des sociologues.

Lire la suite