Summary  
Faceting automatically splits a plot into multiple panels based on one or more categorical variables to facilitate comparison across subgroups.

General domain of usage  
Data visualization

**Faceting** est une méthode puissante permettant de diviser un graphique complexe en plusieurs graphiques plus simples, facilitant ainsi la comparaison des données entre différentes catégories. Au lieu de créer manuellement des graphiques séparés pour chaque groupe (par exemple, chaque type de carburant), `ggplot2` propose des fonctions telles que `facet_wrap()` et `facet_grid()` pour générer automatiquement des sous-graphiques pour les variables catégorielles. Cela permet de détecter plus facilement les tendances, valeurs aberrantes et motifs au sein des sous-groupes.

## Exemple : Facet selon le type de carburant
Le faceting permet de diviser un graphique en plusieurs panneaux en fonction des valeurs d'une variable catégorielle. Dans cet exemple, le nuage de points du prix de vente en fonction des kilomètres parcourus est réparti dans des panneaux distincts pour chaque type de carburant.

```
ggplot(df, aes(x = km_driven, y = selling_price)) +
  geom_point() +
  facet_wrap(~ fuel) +
  labs(title = "Selling Price vs Kilometers Driven (by Fuel Type)")
```

Cela facilite la comparaison des relations entre les catégories, puisque chaque type de carburant est affiché dans son propre graphique. Les motifs qui pourraient être cachés dans un nuage de points combiné deviennent plus clairs lorsqu'ils sont séparés.

## Exemple : Facet grid pour carburant et transmission
Un facet grid peut être utilisé pour diviser un graphique en plusieurs panneaux selon deux variables catégorielles. Dans cet exemple, le nuage de points du prix de vente en fonction des kilomètres parcourus est réparti par **type de carburant** (lignes) et **type de transmission** (colonnes).

```
ggplot(df, aes(x = km_driven, y = selling_price)) +
  geom_point() +
  facet_grid(fuel ~ transmission) +
  labs(title = "Selling Price vs Kilometers Driven (by Fuel and Transmission)")
```

Cette visualisation permet de comparer facilement comment la relation entre le kilométrage et le prix varie non seulement selon le type de carburant mais aussi selon la transmission. Elle offre une vue côte à côte claire des motifs à travers plusieurs catégories.

Comparer des catégories et afficher des fréquences ou des valeurs agrégées (par exemple, moyennes)

Visualisation des comptes ou des valeurs moyennes selon des variables catégorielles comme fuel, transmission

Visualisation de la distribution d'une variable continue

Compréhension de la dispersion, de l'asymétrie et de la fréquence des données numériques comme selling_price

Affichage de distributions lissées de variables continues

Comparaison des distributions selon les catégories (par exemple, fuel type)

Exploration des relations entre deux variables numériques

Détection de corrélation, de motifs ou de valeurs aberrantes (par exemple, km_driven vs selling_price)

Fractionnement des visualisations de données par catégories

Comparaison des tendances entre sous-groupes (par exemple, fuel, transmission)

labs(), theme_*(), annotate(), scale_fill_manual()

Amélioration de l'apparence et de la clarté du graphique

Amélioration de la lisibilité, de l'accessibilité et de la narration dans les visualisations

Nécessaire pour construire des graphiques superposés et flexibles

Télécharger le jeu de données

Télécharger le code du chapitre

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 obtenir 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.

Facettage

Exemple : Facet selon le type de carburant

Exemple : Facet grid pour carburant et transmission

Résumé des types de graphiques