05_analyse_descriptive_univariee_quali.qmd

---
title: "Analyse descriptive univariée"
author: "Marie Vaugoyeau"
date: "2024/01/21"
format: 
  pdf:
    toc: true
    toc-depth: 2
    number-sections: true
editor: visual
---

# introduction

## import des packages

```{r}
library(tidyverse)
```

## import des données

```{r}

donnees_temperature <- read_csv(
  "data/donnees_temperature_completees.csv",
  col_types = c("ffDnnnfnffnfn")
  )

summary(donnees_temperature)
```

# analyse descriptive univariée

## variables quantitatives

#### une par une

```{r}
# calcul pour une variable
mean(donnees_temperature$tmin)
median(donnees_temperature$tmin)
max(donnees_temperature$tmin) - min(donnees_temperature$tmin)
sd(donnees_temperature$tmin)
var(donnees_temperature$tmin)
quartiles <- quantile(donnees_temperature$tmin)

# détection des valeurs extrêmes
donnees_temperature |> 
  filter(tmin < (quartiles[2] - 1.5*(quartiles[4] - quartiles[2])))

donnees_temperature |> 
  filter(tmin > (quartiles[4] + 1.5*(quartiles[4] - quartiles[2])))

```

#### pour toutes

```{r}
summary(donnees_temperature)

donnees_temperature |> 
  summarise(
    across(
      .cols = where(is.numeric),
      .fns = list(
        etendu = ~ max(.x) - min(.x), 
        ecart_type = sd,
        variance = var
        ),
      .names = "{col} {fn}"
    )
  ) |> 
  pivot_longer(
    everything(),
    cols_vary = "slowest",
    names_to = c("mesure", ".value"),
    names_pattern = "(.+) (.+)"
  )

# réalisation d'un tableau plus complet ?
donnees_temperature |> 
  summarise(
    across(
      .cols = c(tmin:tmoy, densite_humaine_par_km_carre),
      .fns = list(
        moyenne = mean,
        mediane = median,
        minimum = min,
        maximum = max,
        etendu = ~ max(.x) - min(.x), 
        ecart_type = sd,
        variance = var
        ),
      .names = "{col} {fn}"
    )
  ) |> 
  pivot_longer(
    everything(),
    cols_vary = "slowest",
    names_to = c("mesure", ".value"),
    names_pattern = "(.+) (.+)"
  )

```

### représentation graphique des variables quantitatives

#### une par une

```{r}
ggplot(donnees_temperature) + # chois du jeu de données
  aes(x = tmin) + # choix de la variable à représenter
  geom_histogram() + # choix du type de graphique
  theme_classic() # choix d'un thème pour la représentation graphique

```

#### pour toutes les variables

```{r}
donnees_temperature |> 
  select(tmin:tmoy, densite_humaine_par_km_carre) |> 
  pivot_longer(
    everything(),
    names_to = "mesure",
    values_to = "valeur"
  ) |> 
  ggplot() +
  aes(x = valeur) +
  geom_histogram() +
  facet_wrap(~ mesure, scales = "free") +
  theme_bw()

# boites à moustaches
donnees_temperature |> 
  select(tmin:tmoy) |> 
  pivot_longer(
    everything(),
    names_to = "mesure",
    values_to = "valeur"
  ) |> 
  ggplot() +
  aes(x = valeur, y = mesure, color = mesure) +
  geom_boxplot() +
  theme_bw()

```

## variables qualitatives

### analyse univariée qualitative

#### vérification de l'unicité des modalités

```{r}
# visualiser la table  
donnees_temperature |> 
  distinct(
    code_insee_departement,
    departement,
    chef_lieu,
    region,
    continent
  ) |> 
  View()

# verifier l'unicite
donnees_temperature |> 
  distinct(
    code_insee_departement,
    departement,
    chef_lieu,
    region,
    continent
  ) |> 
  count(departement) |> 
  filter(n == 1)
```

#### nombre de régions

```{r}
distinct(donnees_temperature, region)
```

#### verification que la Corse soit la seule hors continent

```{r}
donnees_temperature |> 
  distinct(region, continent) |> 
  count(continent)

```

#### Visualiser l'ordre des modalités

```{r}
# visualisation des modalités de la variable region
fct_unique(donnees_temperature$region)

# visualisation des modalités de la variable departement
fct_unique(donnees_temperature$departement)

# visualisation des modalités de la variable code_insee_departement
fct_unique(donnees_temperature$code_insee_departement)
```

#### Réordonner la région selon l'ordre alphabétique

```{r}
# réordonne les modalités des variables département, region et code_insee_departement
donnees_temperature <- donnees_temperature |> 
  mutate(
    departement = fct_relevel(donnees_temperature$departement, sort),
    region = fct_relevel(donnees_temperature$region, sort),
    code_insee_departement = fct_inseq(donnees_temperature$code_insee_departement)
  )

# vérification
fct_unique(donnees_temperature$departement)
fct_unique(donnees_temperature$region)
fct_unique(donnees_temperature$code_insee_departement)

```

### représentation graphique des variables qualitatives

#### Tableaux

```{r}
# selon les départements
count(donnees_temperature, departement)

# selon les régions
count(donnees_temperature, region)


```

#### Graphiques

```{r}
# diagramme en barres
## initial
ggplot(donnees_temperature) + 
  aes(x = region) + 
  geom_bar() +
  theme_classic()

## titres des modalités à la verticale
ggplot(donnees_temperature) + 
  aes(x = region) + 
  geom_bar() +
  theme_classic() +
  theme(axis.text.x = element_text(angle = 90))

## trie selon l'occurrence
ggplot(donnees_temperature) + 
  aes(x = fct_infreq(region)) + 
  geom_bar() +
  theme_classic() +
  theme(axis.text.x = element_text(angle = 90))


donnees_temperature |> 
  distinct(departement, region) |> 
  count(region)

```

```{r}
# diagramme cirulaire
donnees_temperature |> 
  count(continent) |> 
  ggplot() +
  aes(x = "", y = n, fill = continent) +
  geom_bar(stat = "identity") +
  coord_polar("y") +
  scale_fill_manual(values = c("oui" = "blue", "non" = "yellow")) +
  theme_void() 

```

## variables temporelles

## variables spatiales