diff --git a/1er_visu_W3S.R b/1er_visu_W3S.R new file mode 100644 index 0000000000000000000000000000000000000000..e4181224159b1b2166694fe6bbb466a19a39480a --- /dev/null +++ b/1er_visu_W3S.R @@ -0,0 +1,50 @@ +library(corrplot) +library(readr) +library(dplyr) +# Chargement des données depuis un fichier CSV +setwd("C:/Users/User/Desktop/projet_visualisation") +data <- read.csv("design_WS3.csv") + + + +# Conversion des variables catégoriques en numériques pour permettre le calcul des corrélations +data_numeric <- data %>% + mutate( + condition = as.numeric(factor(condition)), # Conversion des catégories en indices numériques + animal = as.numeric(factor(animal)), + experiment = as.numeric(as.Date(experiment, format="%d.%m.%Y")), # Conversion en nombre + extraction = as.numeric(as.Date(extraction, format="%d.%m.%Y")), + sample = as.numeric(factor(sample)) # Ajout si sample est une variable catégorique + ) %>% + select(-sample) # Suppression de sample si non pertinent pour la corrélation + +# Calcul de la matrice de corrélation (pearson) +cor_matrix <- cor(data_numeric, method = "pearson") + +# figure de corrélation +corrplot(cor_matrix, method = "circle", type = "lower", + tl.col = "black", tl.cex = 0.8, + col = colorRampPalette(c("blue", "white", "red"))(200))# Chargement des données depuis un fichier CSV +data <- read.csv("design_WS3.csv") + +# Vérification de la structure des données +str(data) + +# Conversion des variables catégoriques en numériques pour permettre le calcul des corrélations +data_numeric <- data %>% + mutate( + condition = as.numeric(factor(condition)), # Conversion des catégories en indices numériques + animal = as.numeric(factor(animal)), + experiment = as.numeric(as.Date(experiment, format="%d.%m.%Y")), # Conversion en nombre + extraction = as.numeric(as.Date(extraction, format="%d.%m.%Y")), + sample = as.numeric(factor(sample)) # Ajout si sample est une variable catégorique + ) %>% + select(-sample) # Suppression de sample si non pertinent pour la corrélation + +# Calcul de la matrice de corrélation +cor_matrix <- cor(data_numeric, method = "pearson") + +# Génération de la figure de corrélation +corrplot(cor_matrix, method = "circle", type = "lower", + tl.col = "black", tl.cex = 0.8, + col = colorRampPalette(c("blue", "white", "red"))(200))