Commit 7c8804d4 authored by Bakaniko's avatar Bakaniko

Merge branch 'AFC'

parents 8068e040 0e505842
---
title: "AFC"
output: html_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
```{r }
library("FactoMineR")
library("factoextra")
library("corrplot")
library('dplyr')
```
```{r }
# Chargement des données
donnees <- read.csv("../data/traitees/tab_frequence_2015_viv.csv", encoding="UTF-8", head=T)
donnees_persona <- read.csv("../data/traitees/tab_frequence_2015_pers.csv", encoding="UTF-8", head=T)
colnames(donnees)
colnames(donnees_persona)
```
```{r Exemple, une variable}
####Exemple sur 1 variable
#Choix de variable CLAVIVP
CLAVIVP <- select(donnees, starts_with("CLAVIVP"))
colnames(CLAVIVP)
#Ajout d'identificateur (code_mun)
row.names(CLAVIVP)<- donnees$code_mun
res.ca <- CA (CLAVIVP, graph = FALSE)
#valeurs propres
get_eigenvalue(res.ca)
#visualisation des valeurs propres
p <- fviz_screeplot (res.ca, addlabels = TRUE, label = "CLAVIVP", ylim = c(0, 70))
p + labs(title = "Valeurs Propres, CLAVIVP",
x = "Principal Components", y = "% of variances")
fviz_ca_biplot (res.ca, label="col", alpha.row=0.3, col.row = "#00AFBB", col.col = "#0e07e5", repel = TRUE)
#faire le graphique de contributions sur le premiees 5 axes
corrplot(col$contrib, is.corr=FALSE, title = "Contributions des fréquences actives")
corrplot(col$cos2, is.corr=FALSE, title = "Qualités de représentation (COS2) des fréquences actives")
col <- get_ca_col(res.ca)
```
```{r }
### Les boucles pour AFC
variables_choisies <- read.csv("../data/variables_choisies_vivienda.txt")
variables <- variables_choisies[10:37,]$variable
variables <- as.character(variables)
code_com <- variables_choisies[6,]$variable
resAFC <- list()
for (i in 1:28){
#print(variables[i])
#select des variables pour AFC
a<- select(donnees, starts_with(variables[i]))
#ajouter code_mun
row.names(a)<- donnees$code_mun
#AFC
res.ca <- CA(a, graph = FALSE)
#Stockage de résultats d'AFC pour toutes les variables dans une liste
tmp <- res.ca
resAFC[[variables[i]]] <- tmp
}
```
```{r AFC Persona}
variables_choisies_persona <- read.csv("../data/variables_choisies_persona.txt")
variables_pers <- variables_choisies_persona[10:15,]$variable
variables_pers <- as.character(variables_pers)
resAFC_pers <- list()
for (i in 1:6){
#print(variables[i])
#select des variables pour AFC
a<- select(donnees_persona, starts_with(variables_pers[i]))
#ajouter code_mun
row.names(a)<- donnees_persona$code_mun
#AFC
res.ca <- CA(a, graph = FALSE)
#Stockage de résultats d'AFC pour toutes les variables dans une liste
tmp <- res.ca
resAFC_pers[[variables_pers[i]]] <- tmp
}
```
```{r test sur exemple}
#Pour accéder aux résultats de chaque AFC :resAFC$CLAVIVP
resAFC$CLAVIVP
clavivp <-resAFC$CLAVIVP
clavivp$svd
clavivp$col
#visualisation des valeurs propres
fviz_screeplot (resAFC$CLAVIVP, addlabels = TRUE, ylim = c(0, 70))
fviz_ca_biplot (resAFC$CLAVIVP, label="col", alpha.row=0.3, col.row = "#00AFBB", col.col = "#0e07e5", repel = TRUE)
```
```{r Valeurs prpres VIVIENDA}
#visualisation des valeurs propres pour chaque variable
for (k in 1:28) {
vartemp <- resAFC[[k]]
final.plot <-fviz_screeplot (vartemp, addlabels = TRUE, ylim = c(0, 100))
print(final.plot + labs(title = paste("Valeurs propres", k, sep = " "),
x = "Facteur", y = "% de variance"))
}
```
```{r Valeurs prpres Persona}
#visualisation des valeurs propres pour chaque variable
for (k in 1:6) {
vartemp <- resAFC_pers[[k]]
final.plot <-fviz_screeplot (vartemp, addlabels = TRUE, ylim = c(0, 100))
print(final.plot + labs(title = paste("Valeurs propres", k, sep = " "),
x = "Facteur", y = "% de variance"))
}
```
```{r Biplots VIVIENDA}
#creation des biplots pour totes les variables
for (k in 1:28) {
vartemp <- resAFC[[k]]
final.plot <-fviz_ca_biplot (vartemp, label="col", alpha.row=0.5, col.row = "#00AFBB", col.col = "#0e07e5", repel = TRUE)
print(final.plot)
}
```
```{r Biplots PERSONA}
#creation des biplots pour totes les variables
for (k in 1:6) {
vartemp <- resAFC_pers[[k]]
final.plot <-fviz_ca_biplot (vartemp, label="col", alpha.row=0.5, col.row = "#00AFBB", col.col = "#0e07e5", repel = TRUE)
print(final.plot)
}
```
```{r CTR VIVIENDA}
#faire le graphique de contributions sur le premiees 5 axes
for (k in 1:28) {
vartemp <- resAFC[[k]]
col <- get_ca_col(vartemp)
final.plot <-corrplot(col$contrib, is.corr=FALSE, title = "Contributions des fréquences actives")
#print(final.plot)
}
```
```{r CTR PERSONA}
#faire le graphique de contributions sur le premiees 5 axes
for (k in 1:6) {
vartemp <- resAFC_pers[[k]]
col <- get_ca_col(vartemp)
final.plot <-corrplot(col$contrib, is.corr=FALSE, title = "Contributions des fréquences actives")
#print(final.plot)
}
```
```{r Cos2 VIVIENDA}
#faire le graphique de COS2 sur le premiees 5 axes
for (k in 1:28) {
vartemp <- resAFC[[k]]
col <- get_ca_col(vartemp)
final.plot <-corrplot(col$cos2, is.corr=FALSE, title = "Qualités de représentation (COS2) des fréquences actives")
}
```
```{r Cos2 PERSONA}
#faire le graphique de COS2 sur le premiees 5 axes
for (k in 1:6) {
vartemp <- resAFC_pers[[k]]
col <- get_ca_col(vartemp)
final.plot <-corrplot(col$cos2, is.corr=FALSE, title = "Qualités de représentation (COS2) des fréquences actives")
}
```
```{r }
```
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment