Cette semaine, le #Tidytuesday nous fait découvrir les langages de programmation utilisé dans R. J’ai donc décider de créer un Radar pour montrer quels sont les langages les plus et les moins commentés.

CONTEXTE

Les données de cette semaine proviennent de PHilippe Massicotte qui a présenté un atricle sur son blogue à ce sujet.

OBJECTIFS

1. Visualiser le ratio du nombre de commentaire par ligne de code présent dans les packages R en fonction de la langue de programmation avec un radar

IMPORTER

cran_code <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-11-12/loc_cran_packages.csv")

FALSE Parsed with column specification:  
FALSE cols(  
FALSE   file = col_double(),  
FALSE   language = col_character(),  
FALSE   blank = col_double(),  
FALSE   comment = col_double(),  
FALSE   code = col_double(),  
FALSE   pkg_name = col_character(),  
FALSE   version = col_character()  
FALSE 
)

EXPLORER

summary(cran_code)

##       file            language             blank           
##  Min.   :    1.00   Length:34477       Min.   :     0.0    
##  1st Qu.:    1.00   Class :character   1st Qu.:    17.0    
##  Median :    3.00   Mode  :character   Median :    53.0    
##  Mean   :   11.17                      Mean   :   257.1    
##  3rd Qu.:   10.00                      3rd Qu.:   174.0    
##  Max.   :10737.00                      Max.   :310945.0    
##     comment              code           pkg_name          
##  Min.   :     0.0   Min.   :      0   Length:34477        
##  1st Qu.:     1.0   1st Qu.:     83   Class :character    
##  Median :    33.0   Median :    336   Mode  :character    
##  Mean   :   432.7   Mean   :   1506                       
##  3rd Qu.:   284.0   3rd Qu.:   1043                       
##  Max.   :304465.0   Max.   :1580460                       
##    version           
##  Length:34477        
##  Class :character    
##  Mode  :character    
##                      
##                      
## 

PRÉPARER

cran <- cran_code %>%
    filter(!comment==0, !code==0) %>%
     mutate(ratio = ((comment/code)*100)) %>%
     group_by(language) %>%
    mutate(count = n()) %>%
    ungroup() %>%
    mutate(rank = dense_rank(desc(count))) %>%
     filter(rank <= 10) %>%
     group_by(language) %>%
     summarise(med=median(ratio)) %>%
     spread(language, med)      


cran <- rbind(rep(50,10) , rep(0,10) , cran)      

#summary(cran)

VISUALISER

#Graphique
 library(fmsb)  
#c <- grDevices::col2rgb(c("orange","green", "black"))  
radar<-radarchart( cran  , axistype=1 ,
 #custom polygon
      pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 ,
       #custom the grid
      cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,50,10), cglwd=0.8,
      #custom labels
      vlcex=0.8
   )

Voici ce que ça donne:

CONCLUSION

Finalement, bien que ce soit un type de graphique controversé, ce radar répond à sont objectif premier qui était de montrer quels sont les langages de programmations les plus et les moins commentés dans les nombreux Packages disponibles dans R. 

Alors, tu veux en savoir plus sur ma démarche? Un épisode de podcast sera bientôt disponible dans lequel je t’explique toute la réflexion et les concepts de data visualisation qui ont menés à la création de cette viz.