Réorganisation des données avancée - solution des exercices

Exercice 1:

Créez une nouvelle colonne (blade.ratio) avec le ratio de blade.length.mm et total.leaf.length.mm

mutate(expt1, blade.ratio=blade.length.mm/total.leaf.length.mm)

## # A tibble: 957 x 16
##    plant_nb genotype background temperature fluctuation day.length vernalization
##       <dbl> <chr>    <chr>            <dbl> <chr>            <dbl> <chr>        
##  1        1 Col Ama  Col                 12 Con                 16 NV           
##  2        2 Col Ama  Col                 12 Con                 16 NV           
##  3        3 Col Ama  Col                 12 Con                 16 NV           
##  4        4 Col Ama  Col                 12 Con                 16 NV           
##  5        5 Col Ama  Col                 12 Con                 16 NV           
##  6        6 Col Ama  Col                 12 Con                 16 NV           
##  7        7 Col Ama  Col                 12 Con                 16 NV           
##  8        8 Col Ama  Col                 12 Con                 16 NV           
##  9        1 Col Ama  Col                 12 Con                  8 NV           
## 10        2 Col Ama  Col                 12 Con                  8 NV           
## # … with 947 more rows, and 9 more variables: survival.bolt <chr>, bolt <chr>,
## #   days.to.bolt <dbl>, days.to.flower <dbl>, rosette.leaf.num <dbl>,
## #   cauline.leaf.num <dbl>, blade.length.mm <dbl>, total.leaf.length.mm <dbl>,
## #   blade.ratio <dbl>

Exercice 2:

Reproduisez cette figure de Burghard et al 2015

Aide:

Créez une nouvelle colonne (blade.ratio) avec le ratio de blade.length.mm et total.leaf.length.mm

Créez une nouvelle colonne (nommée par exemple condition) en concaténant day.length, temperature et fluctuation

Sélectionnez les background Col et Ler

Faites un boxplot du ratio de blade.length.mm et total.leaf.length.mm en fonction de la condition, en créant des facets en fonction du background

Pas besoin de mettre de la couleur qui n’apporte rien au graphique

N’essayez pas de reproduire l’ordre des conditions (sur l’axe x). Nous verrons comment le faire à la prochaine séance

mutate(expt1, blade.ratio=blade.length.mm/total.leaf.length.mm) %>% 
  unite("condition", day.length, temperature, fluctuation, sep=".") %>% 
  filter(background%in%c("Col","Ler")) %>% 
  ggplot(aes(x=condition, y=blade.ratio)) +
  geom_boxplot()+
  ylim(0,1) +
  facet_grid(.~background) +
  theme(axis.text.x=element_text(angle = 45))

## Warning: Removed 150 rows containing non-finite values (stat_boxplot).

BONUS: Ce bonus vous permettra d’avoir des valeurs de x plus proches du graphique

Avant de créer la nouvelle colonne en concaténant day.length, temperature et fluctuation, créer une colonne LD.SD dans laquelle vous aurez “LD” à la place de la valeur “16” de la colonne day.length, et “SD” à la place de la valeur “8” de la colonne day.length. Utilisez ensuite cette colonne LD.SD pour la concaténation avec temperature et fluctuation pour créer la colonne condition

Changez le thème du graphique pour enlever la grille et avoir un fond blanc.

mutate(expt1, blade.ratio=blade.length.mm/total.leaf.length.mm) %>% 
  mutate(LD.SD=str_replace(day.length, "16","LD"),
         LD.SD=str_replace(LD.SD, "8","SD")) %>% 
  unite("condition", LD.SD, temperature, fluctuation, sep=".") %>% 
  filter(background%in%c("Col","Ler")) %>% 
  ggplot(aes(x=condition, y=blade.ratio)) +
  geom_boxplot()+
  ylim(0,1) +
  facet_grid(.~background) +
  theme_bw() +
  theme(axis.text.x=element_text(angle = 45),
        panel.grid.major = element_blank(), 
        panel.grid.minor = element_blank())

## Warning: Removed 150 rows containing non-finite values (stat_boxplot).

Exercice 3:

Utilisez la fonction gather() pour restructurer le tableau afin de faire un boxplot de blade.length.mm et total.leaf.length.mm, coloré par fluctuation.

Ajoutez aux boxplots des encoches indiquant l’étendue de l’intervalle de confiance à 95% de la médiane (voir l’option notch dans geom_boxplot). Si les encoches sont étroite, il y a peu d’incertitude sur la médiane, si les encoches sont large, il y a une forte incertitude sur la médiane. Si les encoches de boxplots que nous comparons se chevauchent, alors nous ne pouvons pas conclure à une différence de médiane entre les médiane des deux groupes.

gather(expt1, "trait", "length.mm", blade.length.mm, total.leaf.length.mm) %>% 
  ggplot(aes(x=trait, y=length.mm, color=fluctuation)) +
  geom_boxplot(notch=TRUE)

## Warning: Removed 630 rows containing non-finite values (stat_boxplot).

Interprétez le graphique: Y a t’il un effet de la fluctuation de température sur la longueur de blade ou de la feuille? Pourquoi?

Sur le graphique nous observons que les valeurs des boxplots pour les plantes ayant poussé en condition de température variable sont plus élevée que pour les plantes ayant pousser en condition de température stable. Pour les longueurs de blade et de la feuille, la médiane est plus élevée en condition de température variable, et les encoches sont petites, indiquant une forte certitude de la valeur de médiane, et ne se chevauchent pas entre les deux conditions indiquant une différence de médiane entre les deux conditions. Ce graphique montre que les plantes poussant en condition de température variable ont une longueur de blade et une longueur totale de la feuille plus grande que en condition de température constante.

BONUS Optimisez le graphique obtenu en jouant sur le thème, les couleurs utilisée (visibles par des daltoniens), le titre et la valeur des axes et de la légende, de manière à avoir un graphique similaire au graphique suivant:

gather(expt1, "trait", "length.mm", blade.length.mm, total.leaf.length.mm) %>% 
  ggplot(aes(x=trait, y=length.mm, fill=fluctuation)) +
  geom_boxplot(notch = TRUE) +
  scale_fill_brewer(palette = "Set2", labels = c("Con"="Constant", "Var"="Variable"), 
                    name="Fluctuation type") +
  theme_bw() +
  scale_x_discrete(name="",labels=c("blade.length.mm"="Blade","total.leaf.length.mm"="Total leaf")) +
  ylab("Length (mm)")

## Warning: Removed 630 rows containing non-finite values (stat_boxplot).