install.packages("RColorBrewer") ; install.packages("berryFunctions")

##############################

# ridge_plot() - version 02 - 08/06/2020

##############################

ridge_plot = function(data,by=c(),col_pch="#AAAAAA99",cmap="Set1") {

  # by : liste de classes ou dataframe de plusieurs classes à croiser.

  data <- data.frame(data)

  indices = c()

 for (i in c(1:ncol(data))) {

  if (is(data[,i])[1]=="numeric") {

   indices <- c(indices,i)

  }

 }

 if (length(indices) < ncol(data)) {cat("Attention, les variables non-numériques ne sont pas affichées !\n")}

 data <- data.frame(data[,indices])

 nvar = ncol(data)

 #layout(matrix(1:nvar,nvar,1))

 # Si la variable de catégorie n'est pas précisée

 if (length(by) == 0) {

  #plot.new()

  #par(mar=c(marge basse, marge gauche, marge haute, marge droite)) 

  for (i in c(1:nvar)) {

   density <- density(data[,i]) # créer une liste des densités

   if (i==1) {plot.new()}

   fig_temp <- c(0,1,(nvar-i)*(1/nvar),(nvar+1-i)*(1/nvar))

   par(fig=fig_temp, mar = c(0.2,0.2,0.5,0.2), new=TRUE)

   plot(x=data[,i],y=rep(max(density$y)/2,length(data[,i])),pch="|",col=col_pch,axes=F,main=colnames(data)[i],xlab="",ylab="",ylim=c(0,max(density$y)),cex.main=0.6)

   lines(density, col = "red",lwd=1) # Superposer la ligne

   polygon(density, col = "#AA111177") # Superposer le polygone

  }

# Si la/les variables de catégorie est précisée

 } else {

# Agglomérer les variables de catégories

  by = data.frame(by)

  #print(by)

  cat_all <- by[,1]

       if (ncol(by) > 1) {

   for (i in c(2:ncol(by))) {

    cat_all <- paste(cat_all,by[,i]) 

   }

  }

  cat_unique = unique(cat_all)

  require(RColorBrewer) ; require(berryFunctions)

  col = addAlpha(brewer.pal(n = length(cat_unique), name = cmap),0.5)

  for (i in c(1:nvar)) {

   #cat("Variable :",i,"\n")

   # Détection de la zone de densité maximale pour pondération de l'affichage

   maxx = 0

   for (j in c(1:length(cat_unique))) {

    x_temp = data[,i][cat_all==cat_unique[j]]

    maxx <- max(maxx,max(density(x_temp)$y))

   }

   if (i==1) {plot.new()}

   fig_temp <- c(0,1,(nvar-i)*(1/nvar),(nvar+1-i)*(1/nvar))

   par(fig=fig_temp, mar = c(0.2,0.2,0.5,0.2), new=TRUE)

   plot(x=data[,i],y=rep(max(density(data[,i])$y)/2,length(data[,i])),pch="|",col="white",axes=F,xlab="",main=colnames(data)[i],ylab="",ylim=c(0,maxx),cex.main=0.6)

   for (j in c(1:length(cat_unique))) {

    x_temp = data[,i][cat_all==cat_unique[j]]

    #cat(x_temp,"\n")

    densit <- density(x_temp) # créer une liste des densités

    if (i == 1) {

     #cat("stop1\n") 

     points(x=x_temp,y=rep(max/2,length(x_temp)),pch="|",col=col[j],cex=2)

    }else{

     #cat("stop2")

     points(x=x_temp,y=rep(maxx/2,length(x_temp)),pch="|",col=col[j],cex=2)}

    #cat("stop\n");#browser()

    lines(densit, col = col[j],lwd=1) # Superposer la ligne

    #cat("stop polygon\n");# browser()

    polygon(densit, col = col[j]) # Superposer le polygone

   }

  }

 }

}

• Ajouter les min, max, quartiles et moyennes de chaque variable (en option)

• Segmenter en fonction de cat ou cat à n colonnnes : déjà fait mais il faut que la fonction gère lorsqu'il n'y a pas assez de point pour une sous-cat pour faire une courbe de densité (ne rien afficher, passer à la suite)

• Calibrer les couleurs automatiquement mais afficher une légende dans une fenêtre

• Mettre les points sous les courbes

• Mettre une option quart = 1 pour trier en fonction de la variable 1 les autres variables pour les quartiles 1 et 4 et -3 groupés

• Afficher la légende dans une boîte X11

• Ne pas afficher les individus en Big Data

• S'inspirer de la comparaison de densités (install.packages("sm") ; library("sm") ; sm.density.compare()) pour permettre de comparer les densités en tenant compte du nombre d'individus ou pas (scale = F/T)

• Autoriser le contournement de données manquantes

data(iris) ; colnames(iris)

library(plotly)

# Mettre titre d'une colonne en variable

j= "Sepal.Width"

iris[[j]]

# parallele coordinate plot sur variable

mon_titre = paste("Variable :",j)

fig <- iris %>% plot_ly(type = 'parcoords',

  line = list(color = ~get(j),

  colorscale = 'Jet',

  showscale = TRUE,

  reversescale = TRUE,

  cmin = min( iris[[j]]),

  cmax = max( iris[[j]])),

 dimensions = list(

  list(range = range(iris$Sepal.Length),

   label = 'Longueur Sépale', values = ~Sepal.Length),

  list(range = range(iris$Petal.Length),

   label = 'Longueur Pétale', values = ~Petal.Length),

  list(range = range(iris$Petal.Width),

   label = 'Largeur Pétale', values = ~Petal.Width)

      )) %>% layout(title = mon_titre)

#

print(fig)

# parallele coordinate plot en fonction d'une catégorie

# Conversion des catégories en valeurs comprises entre 0 et 1

categories <- as.character(iris$Species) ; j <- 0

for (i in unique(categories)) {

  categories[categories==i] <- j

 j <- j+0.5

}

categories <- as.numeric(categories)

# Graphique

mon_titre = paste("Espèces d'Iris")

fig <- iris %>% plot_ly(type = 'parcoords',

 line = list(color = categories,

             colorscale = list(c(0,'red'),c(0.5,'green'),c(1,'blue'))),

 dimensions = list(

  list(range = range(iris$Sepal.Length),

   label = 'Longueur Sépale', values = ~Sepal.Length),

  list(range = range(iris$Sepal.Width),

   label = "Largeur Sépale", values = ~Sepal.Width),

  list(range = range(iris$Petal.Length),

   label = 'Longueur Pétale', values = ~Petal.Length),

  list(range = range(iris$Petal.Width),

   label = 'Largeur Pétale', values = ~Petal.Width)

          )) %>% layout(title = mon_titre)

print(fig)