-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathIG_10_Carto_Quanti_Relative.Rmd
667 lines (440 loc) · 13.3 KB
/
IG_10_Carto_Quanti_Relative.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
---
title: "Introduction à la cartographie - Séance 2"
subtitle: "Représenter les données quantitatives relatives<br>Cartographie thématique avec Magrit"
author:
- "Ronan Ysebaert, Maxime Guinepain"
date: "Dernière mise à jour: `r Sys.Date()`"
output:
xaringan::moon_reader:
self_contained: true
css: ["default", "css/styles.css", "css/rutgers-tidyverse.css","css/rutgers-fonts_og.css"]
lib_dir: libs
nature:
highlightStyle: github
highlightLines: true
highlightSpans: true
countIncrementalSlides: false
ratio: "16:9"
seal: true
editor_options:
chunk_output_type: console
---
```{r setup, include=FALSE}
options(htmltools.dir.version = FALSE, crayon.enabled = TRUE)
knitr::opts_chunk$set(cache = TRUE,
fig.align='center',
message = FALSE,
warning = TRUE)
# install.packages("devtools")
# devtools::install_github("gadenbuie/countdown")
# devtools::install_github("mitchelloharawild/icons")
library(countdown)
library(icons)
#download_fontawesome()
```
```{r xaringan-themer, include=FALSE, warning=FALSE}
library(xaringanthemer)
style_duo_accent(
primary_color = "#1d3352",
secondary_color = "#383838",
inverse_header_color = "#ffae00"
)
```
.bottom[
<br><br><br><br><br>
# I. Les discrétisations
]
---
.left-column[
# Discrétiser
La **discrétisation** est un mode de *simplification de l'information* (quantitative continue) pour la rendre intelligible.
]
.right-column[
]
---
## Deux objectifs
.pull-left[
### Conserver l'essentiel de l'information
* **Regrouper les valeurs qui se ressemblent** et qui sont différentes des autres ; donner des **seuils** qui ont du sens
* Conserver l'ordre de grandeur, la dispersion, la forme de la distribution
* Rendre compte de la **structure interne** du jeu de données
]
.pull-right[
### Transmettre l'information
* Limiter le nombre de classes
$$N(cl) = 1 + 3,3 \log10(N)$$
où $N$ est le nombre d'observations et $N(cl)$ le nombre de classes
* Faciliter la mémorisation
On a coutume de dire que 10 classes est un maximum.
* Construire une carte qui "raconte" quelque-chose !
]
---
## Quelques principes fondamentaux
.big[
* Les classes ne doivent **pas être vides**
* Les classes doivent couvrir l'**ensemble** de la distribution, et être **contiguës** (elles s'arrêtent là où une autre commence)
* Les classes doivent être **distinctes** (les valeurs ne doivent pas se superposer)
* Les caractéristiques essentielles de la distribution de l'indicateur doivent être conservées, et permettre de perdre le moins d'information possible.
* Le nombre de classes doit être inférieur au nombre d'observations
]
---
## >> *Compromis entre* **information** *et* **démonstration** <<
.big[
* Les classes ne doivent **pas être vides**
* Les classes doivent couvrir l'**ensemble** de la distribution, et être **contiguës** (elles s'arrêtent là où une autre commence)
* Les classes doivent être **distinctes** (les valeurs ne doivent pas se superposer)
* Les caractéristiques essentielles de la distribution de l'indicateur doivent être conservées, et permettre de perdre le moins d'information possible.
* Le nombre de classes doit être inférieur au nombre d'observations
]
---
.left-column[
## Quel résultat sans discrétisation ?
]
.right-column[
]
---
# Les méthodes de discrétisation
<img src="figures/discretisation_methodes.png" height="450px" />
---
## Les caractéristiques statistiques à prendre en compte pour la discrétisation
.pull-left[
* Le **résumé statistique** : valeurs centrales (moyenne / médiane), le minimum, le maximum
* Les **paramètres de dispersion** : l'écart-type (calcul intégrant les valeurs algébriques d'écart à la moyenne)
* La **forme de la distribution** des données : l'observation des concentrations d'individus
]
.pull-right[
<big>Discrétisation = Découpage en classes selon ces spécificités</big>
]
---
## Les méthodes
<img src="figures/discretisation_tableau_methodes.png" height="400px" />
--
.right[*La méthode de Jenks est la méthode passe-partout !*]
---
### 1. Les effectifs égaux
Une méthode adaptée pour **comparer les cartes entre elles** :
* *"Les 20% des valeurs les plus élevées sont..."*
* *"Les 20% des valeurs les plus faibles sont..."*
Cependant, peu adaptée pour mettre en évidence des **valeurs exceptionnelles**.
--
La **méthode Q6** est une variante qui consiste à isoler les bornes extrêmes de la distribution.
---
.left-column[
**Méthode 1<br>Effectifs égaux / quantiles**
]
.right-column[
<img src="figures/discretisation_ex_1.png" height="500px" />
]
---
### 2. Amplitude égale
Une méthode adaptée pour des distributions **uniformes** ou **symétriques** :
elle produit généralement des seuils de classe simples et compréhensibles.
---
.left-column[
**Méthode 2<br>Intervalles égaux / Amplitudes égales**
]
.right-column[
<img src="figures/discretisation_ex_2.png" height="500px" />
]
---
### 3. Moyenne et écart-type
Une méthode idéale pour les **distributions symétriques** (normales, gaussiennes). \
Aussi appelée *discrétisation standardisée*.
Cette méthode met en évidence les **valeurs exceptionnelles** de la distribution.
.right[
<img src="figures/symetrie_moyenne.png" height="100px" />
]
---
.left-column[
**Méthode 3<br>Moyenne et écart-type**
]
.right-column[
<img src="figures/discretisation_ex_3.png" height="500px" />
]
---
### 4. Seuils naturels
.big[
Une méthode adaptée lorsque des **seuils naturels** apparaissent dans la distribution. Assez subjective, elle nécessite une *bonne connaissance* des phénomènes étudiés.
]
La méthode dite **de Jenks** automatise ce procédé manuel. Elle repose sur un algorithme qui *minimise la variance intra-classes* en *maximisant la variance inter-classes*.
C'est une méthode **passe-partout**, mais elle ne permet pas de comparer les cartes entre elles !
---
.left-column[
**Méthode 4<br>Jenks**
]
.right-column[
<img src="figures/discretisation_ex_4.png" height="500px" />
]
---
### 5. Progression géométrique
.big[
Une méthode adaptée pour des distributions **très dissymétriques**. Elle consiste à construire des classes dont l'étendue augmente (ou diminue) de plus en plus.
]
Il faut en définir la **raison** (coefficient multiplicateur) ; le minimum ne doit pas être égal à zéro.
---
.left-column[
**Méthode 5<br>Progression géométrique**
]
.right-column[
<img src="figures/discretisation_ex_5.png" height="500px" />
]
---
.left-column[
En résumé...
]
.right-column[
<img src="figures/discretisation_italie.png" height="500px" />
]
---
.pull-left[
<br>
<br>
<br>
# II. Les variables visuelles
]
.pull-right[
]
---
## Représenter les données quantitatives relatives
.center[
<big>Retranscrire l'ordre sans la proportionnalité :</big>
<img src="figures/semio_quanti_relative_pas_prop.png" height="350px" />
]
---
## Représenter les données quantitatives relatives
.center[
<big>Retranscrire l'ordre sans la proportionnalité :</big>
<br>
]
---
.left-column[
### Valeur
**Rapport entre une quantité de noir et de blanc perçue sur une surface donnée.**
Il s'agit donc d'une gradation en niveaux de gris s'échelonnant du gris clair au noir,
le blanc étant souvent réservé pour l'absence d'information.
]
.right-column[
]
---
.left-column[
### Camaïeu
Ce procédé est également applicable au cas d'une
**couleur foncée progressivement par un gain en intensité**.
On parle alors d'un *camaïeu*, qui constitue en fait le résultat de l'association
des variables visuelles de *valeur* et de *couleur*.
]
.right-column[
]
---
.left-column[
### Couleur ordonnée
On utilise ici les **propriétés du spectre visible de la lumière** en en faisant
varier, en plus de son intensité, la longueur d'onde de la couleur choisie. Cette
longueur d'onde (du froid vers le chaud ou l'inverse) constitue elle aussi une variable
visuelle ordonnée et continue. On parle aussi de **gradation harmonique**.
]
.right-column[
]
---
## Le choix des couleurs :
.pull-left[
### Perception des couleurs selon l'usage
<img src="figures/couleurs_usage.png" height="400px" />
]
.pull-right[
### Perception "culturelle" (?) des couleurs
<img src="figures/couleurs_culture.png" height="400px" />
]
---
.left-column[
### Une ressource utile : ColorBrewer
[http://colorbrewer2.org](http://colorbrewer2.org)
]
.right-column[
]
---
.left-column[
### D'autres variables visuelles plus désuettes
Elles sont un peu "passées de mode", mais elles avaient l'avantage de
bien se prêter à la superposition d'éléments.
]
.right-column[
.right[
<img src="figures/var_visu_grain.png" height="100px" />
<img src="figures/var_visu_structure.png" height="100px" />
]
]
---
<br><br>
.center[
]
<br><br>
# III. Cartographie thématique avec Magrit<br>Représenter les données quantitatives de taux
---
.center[
### Objectif :
.big[
*Représenter la part des 0-24 ans dans les IRIS d'Est Ensemble* (public cible des médiathèques).
NB : adaptez cet exemple à votre espace d'étude et à votre problématique !
]
]
---
### Les étapes :
.big[
1. Préparation des données et géométries
2. Import des géométries et des données, jointure et typage des données
3. Réalisation d'une carte de ratios et analyse des données
4. Discrétisation et choix des couleurs
5. Mise en page
6. Sauvegarde / Export
]
---
.left-column[
## 1. Préparation des données et géométries
*Utilisez QGis et un tableur.*
* Quel indicateur choisir ?
* D'où vient l'information ?
* Quelle est la date de production de l'indicateur ?
* Les codes sont-ils les mêmes que dans le fichier de géométrie ?
]
.right-column[
]
---
---
.left-column[
## 2. Import, jointure et typage des données
]
.right-column[
Vous pouvez charger le **fichier projet** réalisé lors de la séance précédente (carte de stock).
Cela permet :
* de conserver la mise en page réalisée et d'assurer ainsi une **harmonie graphique** entre vos cartes.
* de **gagner du temps** sur la mise en page.
Dans ce cas, il faut veiller à :
* ne pas modifier a posteriori la carte précédente (vous perdriez l'harmonie graphique) :
police, couleur et épaisseur des bordures...
* **réorganiser vos couches géographiques** pour ne garder que ce dont vous avez besoin
(panneaux *import des données* et *gestion des couches*)
]
---
.left-column[
*Optionnel : import du fichier projet de la dernière fois*
]
.right-column[
]
---
.left-column[
Import des géométries
]
.right-column[
]
---
.left-column[
Remplacement du fond de carte principal
]
.right-column[
]
---
.left-column[
Import des données et jointure avec le fond de carte
]
.right-column[
]
---
.left-column[
Sélection du champ de jointure
]
.right-column[
]
---
.left-column[
Typage des données
]
.right-column[
]
---
.left-column[
### 3. Réalisation de la carte et analyse des données
]
--
.right-column[
]
---
.pull-left[
### 4. Discrétisation & choix des couleurs
- Quelle forme de distribution ?
- Quel est le message que l'on souhaite transmettre ?
- Quel nombre de classes, quelles couleurs ?
- **C'est le moment de justifier vos choix !**
.center[
]
]
.pull-right[
.center[
]
]
---
.left-column[
#### Quelle forme de distribution ?
Plutôt symétrique (médiane = moyenne) : "Moyenne / Écart-type"
#### Quel est le message que l'on souhaite transmettre ?
Visualiser les IRIS dont la population jeune est au-dessus ou en-dessous de la moyenne.
#### Quel nombre de classes ? Quelles couleurs ?
Résumer l'information essentielle : 6 classes.
Rupture du vert au rouge autour de la moyenne.
]
.right-column[
]
---
<br>
<br>
* **Arrondir les bornes des classes** sans modifier le nombre d'individus statistiques par classe :
<br>
* Quelle **gradation de couleurs** ? Pourquoi ? **Séquentielle ou divergente ?**
la couleur la plus foncée pour la valeur la plus élevée, ou pour la plus faible ?
---
.left-column[
### 5. Mise en page
]
.right-column[
]
---
.left-column[
### 6. Sauvegarder, exporter
]
.right-column[
]