Summary  
This chapter introduces ggplot2’s layered grammar-of-graphics API, showing how to initialize a plot with data and aesthetic mappings and then add geometry layers via geom_* functions to build custom visuals.  

General domain of usage  
Data visualization

`ggplot2` fait partie de la collection de packages R tidyverse. Il est utilisé pour créer des visualisations de données puissantes, superposées et personnalisables.

Pour l'utiliser, chargez les bibliothèques :
```
library(tidyverse)
library(ggplot2)
```

Et désactivez la notation scientifique pour rendre les graphiques plus lisibles :
```
options(scipen = 999)
```

## Structure de base d'un graphique ggplot2
Chaque visualisation ggplot2 est construite en couches :
```
ggplot(data, aes(x, y)) +
  geom_function()
```
- `data` : le jeu de données utilisé ;
- `aes()` : correspondances esthétiques (définit comment les variables sont associées aux axes ou à d'autres propriétés) ;
- `geom_*()` : couche géométrique (détermine comment les données seront affichées, comme des barres, des points ou des lignes).

Quel est le but de la fonction aes() dans ggplot2 ?


Acquérir une expérience pratique de l'analyse de données avec R en apprenant à nettoyer, transformer et visualiser des ensembles de données. Explorer les flux de travail essentiels tels que la sélection et le filtrage des données, la gestion des valeurs manquantes et la synthèse des résultats. Développer la confiance dans la préparation des données pour l'extraction d'informations, la création de rapports et l'exploration statistique approfondie.

Explorez les bases de l'analyse de données avec R. Découvrez comment installer les outils, charger et inspecter des jeux de données, sélectionner et filtrer des informations, trier et transformer des données, gérer les valeurs manquantes et résumer les résultats pour des analyses approfondies.

Apprenez à créer des visualisations percutantes avec ggplot2. Construisez des diagrammes en barres, des histogrammes, des courbes de densité et des nuages de points, puis personnalisez-les et affinez-les à l'aide d'options de style et de facettage pour révéler des informations plus approfondies dans vos données.

Renforcez votre compréhension des statistiques pour l'analyse de données. Appliquez des mesures descriptives, identifiez et traitez les valeurs aberrantes, et utilisez des techniques de corrélation avec des outils visuels tels que les cartes de chaleur et les nuages de points pour révéler des relations significatives.

Introduction à ggplot2

Structure de base d'un graphique ggplot2

Résumé

Awesome!

Introduction à ggplot2

Structure de base d'un graphique ggplot2

Résumé