ENSAI TD 3 – Analyser et visualiser les réseaux avec Cytoscape et Gephi

Gephi et Cytoscape sont deux logiciels open-source et gratuits adaptés à la visualisation de grands graphes. Leurs capacités d’analyse (surtout pour Gephi) sont par contre relativement limitées.

Déroulement du TD

Prise en main de Gephi (version 0.8.2 beta)

Présentation de l’interface : un menu principal, trois fenêtres distinctes (vue d’ensemble, laboratoire de données, prévisualisation) et une vue d’ensemble en 3 colonnes (nœuds, liens et spatialisation ; graphe ; statistiques et filtre)

Options de visualisation – jeu de données Les Miserables.gexf : naviguer dans le graphe (clic droit, molette) ; sélectionner un sommet ; afficher les labels et les faire varier (police, mise en forme, taille).

Mesurer et filtrer : calculer le degré et le degré pondéré, calculer la modularité. La taille des sommets sera fonction du degré pondéré, leur couleur de la classe (modularité) et l’épaisseur des liens variera selon l’intensité du lien. Faire varier les paramètres proposés (couleur, taille, étendue). Sélectionner uniquement les sommets de degré supérieur ou égal à 3 (fenêtre filtre sur la droite).

Préparer l’exportation des résultats (données et image)

Importer ses propres données (reprendre le mini-graphe du TD1) : créer un projet puis aller dans le laboratoire de données, importer les fichiers liens et sommets (format .csv) en cliquant successivement sur Nœuds/Liens et Importer une feuille de calcul. Les noms de colonnes doivent être Source;Target;Weight (optionnel) pour le fichier des liens ; Id-attribut1-attribut2 etc. pour le fichier des sommets. Gephi propose par défaut un typage des variables qu’il peut être nécessaire de modifier.

import_gephi1

Prise en main de Cytoscape

Présentation de l’interface : un menu principal, un volet à droite sur les propriétés, une fenêtre de visualisation et un volet en bas sur les fichiers chargés

Options de visualisation – jeu de données Escherichia coli : naviguer dans le graphe ; sélectionner un sommet ; faire varier les spatialisations et les styles.

Mesurer et filtrer :  Tools > NetworkAnalyser > Network Analysis > Analyse Network. Pour les intégrer à la visualisation, Tools > NetworkAnalyser > Network Analysis > Generate Styles from Parameters… La taille des sommets sera fonction du degré, leur couleur de la proximité (closeness) et l’épaisseur des liens variera selon l’intermédiarité. Extraire les composantes connexes. Sélectionner les sommets de degré supérieur ou égal à 2 et créer le graphe correspondant (onglet Select puis File > New network > From selected nodes…).

Préparer l’exportation des résultats (données et image)

cyto3

Format des données (reprendre le mini-graphe du TD1) : pour le point g, le plus simple est de créer un lien fictif g-g dans le fichier .csv de départ puis de supprimer les boucles après l’importation (Edit > Remote Self-Loops). Pour l’importation des liens, Ctrl + L puis afficher les options de tabulation, la présence ou non de noms de colonnes, l’origine, la destination et le type d’interactions (par défaut pp – protein-protein). Puis importer le fichier des attributs (File > Import > Table > File) et faire la jointure entre les deux fichiers.

cyto1

ENSAI Cours 6 – Représentations des réseaux

Avertissement devenant rituel : je ne sais pas (pas encore) rédiger correctement mes cours. Il s’agit donc plus ici de notes de cours grossièrement mises en forme que d’un cours en ligne à proprement parler. Ces notes seront utilement complétées par le visionnage de la présentation téléchargeable ici.

Introduction

L’analyse de réseau est basée sur la théorie des graphes et du calcul matriciel et n’impose a priori pas de représentation graphique spécifique. Pourtant, très tôt (cf Moreno, 1934), l’habitude a été prise de montrer graphiquement la structure du réseau étudié (Bahoken et al., 2013). La représentation graphique de données quantitatives suppose le respect d’un certain de règles visant à favoriser la lisibilité de la figure produite (partie 1). En fonction de la nature des données disponibles et de l’objectif de la représentation, il est possible de choisir entre représentation matricielle, représentation de graphe et cartographie de flux (partie 2). La représentation des grands réseaux peut poser des problèmes et nécessiter le recours à d’autres formes de représentation et des approches mixtes sont également possibles (partie 3).

1 Notions de sémiologie graphique

L’objectif de la sémiologie graphique, dont le créateur français est Jacques Bertin (1963), est d’établir un certain nombre de règles visant à favoriser la lecture et l’interprétation correcte des graphiques produits, qu’il s’agisse de diagrammes, de cartes, de réseaux etc. Il faut noter que si un courant anglophone a basé ces règles sur des études empiriques liées à la perception et à la cognition, les règles forgées par Bertin ne sont pas basées sur de telles études… Selon Bertin, seule la variable visuelle taille permet de représenter des données quantitatives portant sur des stocks quand la valeur ou la couleur traduisent des relations quantitatives continues, segmentées en classes. Si la population de mon réseau est divisée en classe d’âge par exemple, il est autorisé d’utiliser des couleurs différentes (éventuellement graduées) pour colorer mes sommets mais la taille ne pourra varier qu’en fonction d’une quantité (le degré par exemple).

Compléter ces règles par les trois principes de l’excellence graphique définis par Tufte (1983) est un bon moyen pour produire des figures lisibles. Ces trois principes sont les suivants : « L’excellence graphique est une présentation bien conçue des données d’intérêt [. . .], [elle] vise à communiquer des idées complexes avec clarté, précision et efficacité ; [elle] est ce qui donne au lecteur le plus grand nombre d’idées dans le temps le plus court, tout en utilisant le moins d’encre sur un minimum d’espace » (Tufte, 1983, p. 51).

Dans le cadre d’une figure destinée à transmettre un message (hors démarche exploratoire donc), il est nécessaire que cette image soit accompagnée d’une légende, tout comme il est recommandé de préciser les outils de visualisation utilisés (logiciel et algorithmes). Il est fréquent de voir des images où les sommets sont de différentes formes, de différentes couleurs, les liens d’épaisseur variable et aucun indice ne permet de savoir ce que représentent ces formes, ces couleurs et ces épaisseurs…

2 Matrice, graphe et carte de flux

Deux formes de représentation sont toujours possibles en analyse de réseau (la matrice et le graphe), une troisième l’est parfois selon les données utilisées (la carte*).

Le fait d’ordonner une matrice, c’est-à-dire de permuter lignes et colonnes pour faire ressortir les structures du réseau étudié, est l’une des moyens les plus efficaces pour visualiser la structure d’ensemble et les relations individuelles dans un réseau. Cette matrice ordonnée peut éventuellement être transformée en matrice bloquée représentant les liens entre les principales parties du réseau (cf cours 2 et le passage sur l’équivalence). Différents tests, menés notamment par l’équipe de Jean-Daniel Fekete, ont montré qu’il était plus rapide de trouver une information précise dans une matrice ordonnée que dans une représentation sous forme de graphe.

Dès les premiers sociogrammes dessinés manuellement par Moreno dans les années 1930, un certain nombre de conventions vont être utilisées pour représenter les graphes ; elles vont ensuite s’imposer et être intégrées dans la plupart des algorithmes existants. Trois grands principes de représentation s’imposent dès le départ : 1) les sommets les plus connectés sont placés au centre de la figure ; 2 ) les sommets les moins connectés sont placés en périphérie de la figure ; 3) il faut limiter, autant que possible, le chevauchement des liens. À noter que Moreno faisait le choix de représenter, sur le même graphe, les phénomènes d’attractions et de répulsions, à l’aide de symboles géométriques (ligne, cercle, triangle) de couleurs noires et rouges 2 . Ce mode de représentation multiplexe n’est plus utilisé aujourd’hui, non pas parce qu’il manque d’efficacité, mais parce qu’il ne semble pas faire partie des possibilités offertes par les logiciels actuels…

Dans les faits, l’ensemble des algorithmes de visualisation pourrait désormais être regroupé en deux grandes familles. La première famille concerne les algorithmes issues de l’analyse de données. La deuxième famille, plus récente, concerne les algorithmes de dessin fondés sur les forces (Force-based ou Force-directed algorithms). Les algorithmes issus de l’analyse de données déterminent la position des nœuds en appliquant un traitement statistique sur la matrice d’adjacence. Cette matrice n’est autre qu’une matrice de similarité (de proximités) ou de covariance (pour les analyses en composantes principales). Les algorithmes développés tentent alors de représenter au mieux cette matrice dans un espace en deux ou trois dimensions. Ainsi les distances observées doivent être aussi proches que possible de celles obtenues à partir de l’algorithme. L’objectif est donc de minimiser une fonction nommée « fonction de stress ». Dans les algorithmes fondés sur la force, les nœuds peuvent être considérés comme des particules de même charge qui se repoussent et les arcs peuvent être assimilés à des ressorts qui tendent à rapprocher les nœuds voisins. Ces algorithmes cherchent alors à minimiser l’énergie du système en déplaçant les nœuds. Il faut noter que le même algorithme testé sur le même jeu de données dans différents logiciels donne parfois des résultats très différents les uns des autres. La pratique la plus commune reste bien souvent de tester différents algorithmes jusqu’à obtenir une image à peu près lisible et interprétable.

La représentation la plus fréquente des réseaux bipartis est d’aligner en haut l’un des groupes, en bas l’autre groupe et de tracer les liens entre les deux. Cette habitude ne limite pas les chevauchements de liens qu’il serait facile d’éviter si ces contraintes – arbitraires – de position n’étaient pas respectées.

La cartographie des flux pose un certain de problèmes qui peuvent limiter la lisibilité de l’information (Bahoken, 2011). Les chevauchements de liens ne peuvent la plupart du temps être évités d’où le fameux effet spaghetti. Les liens longs (France – Nouvelle Zélande) attireront davantage l’œil que les liens courts (France – Belgique), même si les liens courts sont plus intenses, plus épais, de teinte plus foncés etc. Différentes solutions ont été proposées : la plus radicale – mais qui n’est plus permise par les logiciels actuels – est de déplacer les lieux pour faire de la place aux liens (cf les cartes de flux de Minard) ; le filtrage des liens (flux dominants, flux majeurs) ; la modification de la projection ; la transformation des flux en stock (représentation par cercles proportionnels ou anamorphoses des marges de la matrice).

La multiplication des plate-formes de visualisation interactives facilite l’exploration des matrices, des réseaux et des cartes de flux. Mais nous sommes alors dans un cadre exploratoire et non dans un cadre de communication d’un résultat. Laisser à l’utilisateur la liberté de jouer avec les couleurs, les tailles, les représentations etc. est aussi un moyen de ne pas choisir quelle information faire passer via les graphiques.

3 Représentation des réseaux complexes et approches mixtes

Si la représentation de graphe peut être lisible pour quelques dizaines voire quelques centaines de sommets – et encore, si la densité de liens est faible -, il devient illusoire de penser produire une image quand le réseau étudié comporte quelques (centaines de) milliers de sommets. Si des cartes ou des graphes de ce type sont régulièrement produits, l’enjeu est essentiellement technique – et parfois esthétique (cf la devenue fameuse carte mondiale des liens facebook et la lecture critique faite en 3 billets par T. Joliveau sur le blog monde géonumérique). L’idée géniale des physiciens a été d’utiliser d’autres types de graphiques afin de révéler une propriété donnée des réseaux étudiés, par exemple montrer la distribution des degrés et tracer la courbe la résumant pour établir si le réseau est ou non sans échelle.

Il est possible enfin de croiser les approches, et par exemple de mêler matrice pour les parties denses et graphe pour les parties peu denses d’un réseau (cf le logiciel NodeTrix), de produire des matrices en trois dimensions pour introduire la dimension temporelle (logiciel Cubix).

Conclusion

Si la sociométrie a placé le dessin des relations au cœur de son dispositif (cf cours 1), la social network analysis a inversement eu un recours limité à la représentation graphique des relations étudiées et la première décennie de la revue Social networks est d’une étonnante pauvreté graphique (cf cours 2). En géographie, la domination des représentations cartographiques projetées a longtemps été un frein à des visualisations alternatives et parfois plus efficace. Par contre, les études sur les réseaux complexes ont simultanément vu l’apparition de nouveaux modes de représentation et un fort intérêt pour les défis techniques liés à la visualisation. La multiplication des logiciels et la puissance des ordinateurs actuels permettent de réaliser facilement des représentations soignées. Le respect des règles basiques de sémiologie graphique, la réalisation systématique de légende (impossible avec la plupart des logiciels existant) – que représentent les liens ? les épaisseurs ? les sommets ? les couleurs… – pourraient permettre de dépasser l’effet joli image trop souvent rencontré.

Note

* Les spécialistes des web studies et de la visualisation de données (data viz) utilisent très souvent le terme de carte et de cartographie pour désigner la représentation de réseaux. Les nombreuses cartographies du web réalisées ces dernières années sont parfois des cartes, le plus souvent des graphes.

Pour aller plus loin
F. Bahoken, 2011, Représentation graphique des matrices. Graphe et/ou carte des flux ?
F. Bahoken, L. Beauguitte et S. Lhomme, 2013, La visualisation des réseaux. Principes, enjeux et perspectives
J. Bertin, 1967, Sémiologie graphique. Les diagrammes – Les réseaux – Les cartes, Éditions Gauthier-Villar
G. Garrote, 2014, Réseaux : de la notion à l’analyse. Heurs et malheurs d’un outil, http://reshist.hypotheses.org/464
E.R. Tufte, 1983, The Visual Display of Quantitative Information, Graphics Press, Cheschire
Site de l’équipe animée par Jean-Daniel Fekete à l’INRIA : http://www.aviz.fr/

Votre ego-network… vu par google

Alors que l’affaire « Prism » (programme de surveillance de la NSA) a mis en évidence la délicate question de la protection de la vie privée sur internet, une équipe du MIT, dans le cadre d’un programme de recherche baptisé « Immersion », a mis en ligne une application permettant de visualiser notre ego-network à partir des métadonnées issues des mails envoyés et reçus sur la plateforme gmail. D’après la page internet du projet, « Immersion » se veut un outil d’introspection, d’aide à l’exploration de sa vie privée, de stratégie (pour mieux planifier ses relations professionnelles), mais il se présente aussi comme une démarche artistique. On note surtout sur cette page une absence de lien vers une documentation scientifique du projet.

Nouvelle image

L’application trace le réseau social de l’internaute à partir des champs « De »,  « A », « Cc »… et de la date d’envoi du mail. La taille des nœuds est proportionnelle au volume de mails échangé entre l’internaute (ego) et les membres de son ego-network. La taille des liens est proportionnelle au nombre de coprésence dans un même mail des différents acteurs. A noter que l’ego-network présenté n’en est pas totalement un puisque le nœuds de l’ego et les liens les reliant aux autres acteurs ne sont pas représentés (sans doute pour des raisons de clarté de la visualisation). Enfin, la couleur des nœuds, bien qu’aucune légende ne renseigne sur sa nature, renvoie probablement aux classes de modularité.

Le graphe présenté est dynamique et interactif, on peut ainsi sélectionner une période de temps et voir évoluer la structure de son réseau. Il est aussi possible de sélectionner un nœud en particulier pour avoir d’avantage d’information sur l’acteur.

ego_net

Pour ceux qui n’ont pas gmail (ou qui n’ont pas envie de transmettre leur login/mot de passe), il est aussi possible de visualiser un réseau de démonstration (composé de données réelles anonymisées).

Pour le site, c’est ici : https://immersion.media.mit.edu

Pour la démonstration, c’est là : https://immersion.media.mit.edu/demo#

Matthieu Drevelle

Doctorant en Géographie-Aménagement à l’Université Paris 1, UMR Géographie-cités, équipe CRIA – Transamo

More Posts

Visualiser les graphes autrement avec yEd

yEd est un logiciel gratuit (mais non libre) utilisable sur tous les systèmes d’exploitation (Windows – XP, Vista, 7 et 8 -, Mac – OS X 10.4 à 10.8 – et Linux) et qui propose des visualisations originales et d’excellente qualité. S’il propose une poignée de mesures basiques (nombre de liens et de sommets, centralité), ce n’est pas là que réside l’intérêt de cet outil.

Le lancement du logiciel fait apparaître l’interface suivante – il est possible qu’elle soit légèrement différente en fonction de votre système d’exploitation.

Interface de yEd

Soit une liste de menus déroulants en haut, une série d’icônes et plusieurs fenêtres : en haut, une fenêtre donnant des renseignements sur le graphe, sur la gauche en haut, la fenêtre Overview donne une vue d’ensemble, Folder Contents liste les éléments disponibles et Structure View permet de faire des recherches sur les graphes utilisés.

Fenêtre PaletteIl est utile de faire apparaître la fenêtre Palette (menu Windows > Palette) qui permet de modifier l’aspect des sommets et des liens. La modification n’est pas prise en compte de façon instantané mais prend effet à l’ouverture du graphe suivante.

yEd sait notamment lire les formats de graphe suivants : .gml, .graphml, .grapmlz, .xgml. Il permet aussi d’importer des listes de liens ou des matrices depuis un fichier .xls. Dans ce cas, une boîte de dialogue permet d »indiquer quelle est la feuille à ouvrir, où se trouvent les origines et les destinations etc. J’ai testé des listes de liens et des matrices, l’importation se déroule sans aucun problème. L’ouverture se fait à l’aide du menu File > Open.

Une fois le graphe ouvert, le menu le plus intéressant est le menu Layout qui propose les choix suivants. Le choix d’un algorithme déclenche l’ouverture d’une boîte de dialogue qui permet de paramétrer l’espacement entre les sommets, le sens de lecture etc. Si le choix n’est pas réalisable (choisir une visualisation type Tree pour un graphe qui n’est pas un arbre par exemple), un message explicatif apparaît.

Menu Layout (yEd)

 Les exemples de visualisation ci-dessous utilisent les graphes des relations au sein des Misérables et celui des collaborations scientifiques collectées par Newman, ils sont téléchargeables en format .gml à l’adresse suivante : http://wiki.gephi.org/index.php/Datasets. Je reproduis deux détails, le premier obtenu avec l’algorithme Flowchart, le second avec l’algorithme Hierarchical (option compact). Évidemment, avec un gros graphe, la visualisation n’apparaît pas de façon instantanée et il convient d’attendre quelques secondes. Mais, une fois l’image obtenue, la navigation à l’intérieur est très fluide.

Algorithme Flowchart

Algorithme Hierarchical

La navigation à l’intérieur du graphe se fait en combinant la fenêtre Overview et les différentes loupes disponibles en icône. Celle de droite produit un grossissement localisé de bonne qualité. Il est possible également de zoomer et de dé-zoomer à l’aide de la mollette de la souris. On peut également sélectionner un sommet précis en utilisant la fonction Search de la fenêtre Structure View.

Zoom local (yEd)

Toutes les visualisations produites peuvent évidemment être exportées en format image ou vectoriel (Menu File > Export). Tous les principaux formats sont proposés (eps, jpg, bmp, svg, pdf etc.).

La prise en main est facile, les différents paramètres aisés à modifier et les résultats sont visuellement intéressants, un logiciel de visualisation – et non d’analyse, je me répète – recommandable donc.

Téléchargement, documentation et galerie : http://www.yworks.com/en/products_yed_about.html

La version testée est la version 3.10.2 sous environnement Windows 7.

Daniel Dorling, 2012, The Visualization of Spatial Social Structure

Daniel Dorling est un géographe enseignant à l’université de Sheffield et l’ouvrage paru en 2012, The Visualization of Spatial Social Structure, est la version remaniée et actualisée d’une thèse écrite quelques 20 ans plus tôt et dirigée par Stan Openshaw1. Grand amateur d’anamorphoses – ces cartes où la surface des unités spatiales est déformée proportionnellement à un poids donné (richesse, population etc.) -, il est notamment l’un des auteurs du projet worldmapper (http://sasi.group.shef.ac.uk/worldmapper/).

Pourquoi donc s’intéresser à cette thèse tout droit sortie des 90’s ? Parce que Daniel Dorling se pose des questions et surtout ose des propositions stimulantes concernant la visualisation des données spatiales. Comme il l’écrit dans la conclusion intitulée Another Geography, « Visualization, it  must be stressed, is much more than pretty pictures.  It is a methodology for visually modelling aspects of our world to gain a new, useful and different understanding. »

Un seul cas est étudié ici : la Grande Bretagne des années 1960 à 1990. Et sur quelques thèmes clés (Dorling est un spécialiste des inégalités sociales) – chômage, migrations résidentielles, résultats électoraux – il propose des méthodes innovantes et, fait suffisamment rare pour être signalé, il  montre tant ce qui fonctionne que ce qui ne fonctionne pas (et parfois pas du tout !). Les ratages donnent lieu à de savoureux commentaires, ainsi p. 257 : « This was a particularly disastrous attempt to show the three-dimensional structure of space-time employement change » (figure 9.4).

La lecture du chapitre 6 (Cobweb of flows, p.167-198) s’intéresse à la représentation des flux migratoires. Il ne faut pas espérer de solutions miracles : représenter plusieurs milliers de flux tout en respectant les contraintes géographiques de lieu d’origine et de destination (même déformées via une anamorphose) produit le plus souvent un effet spaghetti d’une lisibilité douteuse comme le montre l’exemple ci-dessous.

Extrait de Dorling

Il propose néanmoins plusieurs pistes visant à améliorer la lisibilité qui devraient intéresser toutes celles et ceux qui aiment visualiser de grands réseaux (jouer sur l’épaisseur, la teinte, les chevauchements, la différence entre contour et fond).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Si seul l’aspect visuel vous intéresse, bonne nouvelle, l’auteur les propose toutes en téléchargement sur son site (http://www.dannydorling.org/books/visualisation/Graphics/Pages/Figures.html). Mais la lecture de l’ouvrage dans son ensemble est chaleureusement recommandée !

Référence : Daniel Dorling, The Visualization of Spatial Social Structure, Chichester, Wiley & Sons, Wiley Series in computational and quantitative social science, xlix – 331 pages (autour de 27 euros). Un grand merci à Françoise Bahoken pour m’avoir fait découvrir cet ouvrage.

1 Si vous n’avez jamais entendu parler de ce grand monsieur de la géographie, allez faire un tour sur sa page wikipedia et surtout sur celle-ci : http://www.ccg.leeds.ac.uk/people/s.openshaw/.

peoplemov.in’, une appli de visualisation des flux internationaux de migrants

L’objectif d’une cartographie directe des valeurs des flux qui se sont produits entre des couples (i,j) de lieux d’origine (i) et de destination (j) est de représenter la quantité en mouvement ou, à défaut, l’existence d’un lien. Si le modèle du diagramme lien-nœud (graphe) – et par extension celui de la carte, pris comme catégorie de graphe assorti d’une contrainte de force sur la position des lieux – s’est imposé, il est loin d’être le seul qui puisse être mis en œuvre.

Les données de flux peuvent, en effet, faire l’objet de représentations graphiques qui varient en fonction de la composante privilégiée pour la représentation : le temps, la thématique (type de relation ou de flux), l’espace, en une voire plusieurs dimensions. Lorsque c’est la mise en relation des nœuds qui importe, le modèle graphique des coordonnées parallèles est l’une des solutions envisageables.

Le principe des coordonnées parallèles

Le principe des coordonnées parallèles, tel qu’il est développé par Inselberg (1985), Inselberg et Dimsdale (1990), consiste à positionner sur un voire plusieurs axes verticaux – donc parallèles -, des nœuds qui illustrent la valeur d’une caractéristique sémantique puis à relier les nœuds de ces différents axes par des lignes droites ou brisées. Le nombre d’axes parallèles dépend  donc du nombre de variables représentées.

Le graphique est typiquement utilisé pour représenter et comparer les caractéristiques d’un grand nombre d’objets, car il autorise une lecture à la fois globale et locale des données. Il est donc supposé bien adapté pour visualiser les données disponibles dans une matrice de flux qui sont par essence multidimensionnelles. Cependant, le fait qu’il soit fondé sur des axes individuels, bien que mis en relations, suppose une réduction de la double composante spatiale (x,y) à une seule dimension (z). En d’autres termes, une acceptation linéaire de l’espace. De fait, le procédé privilégie les caractéristiques sémantiques puisqu’il place l’espace – à l’instar des autres variables considérées – sur une seule dimension.

 C’est la solution qui a été choisie par peoplemo.vin’, migration flows across the world, l’application de visualisation des flux internationaux de migrants pour l’année 2010, disponible ici.

 Présentation de l’application peoplemov.in’

Cette application interactive a été développée dans le cadre d’un projet expérimental, d’ailleurs toujours en cours, dirigé par Carlo Zapponi, développeur d’applications interactives. Elle permet de visualiser les 215 738 321 individus qui se sont déplacés entre les différents pays du monde en 2010, sur deux axes parallèles. Les données utilisées sont toutes libres de droits. Il s’agit, par exemple, des tableaux disponibles sur le site Data de la banque mondiale, accessibles ici.

Les pays d’émigration (i) sont portés sur l’axe de gauche et ceux d’immigration (j) sur l’axe de droite. L’existence d’un lien entre deux axes indique la présence d’un flux de migrants (Fij) entre deux Etats. L’auteur précise sur son site que le lien est rendu proportionnel à l’effectif d’émigration ou d’immigration, selon le sens de lecture de la figure. Hors, ce n’est visiblement pas le cas : j’ai fait différents essais et n’ai pas su voir de variation de taille. En revanche, ce serait plutôt les barres des axes qui illustrent la position des pays qui semblent proportionnelles à quelque chose (voir infra).

 Pour visualiser les flux sur peoplemov.in’, il est donc nécessaire de cliquer sur l’un des pays considéré en tant qu’émetteur de migrants (axe de gauche) ou en tant que destinataire (axe de droite) et d’observer ce qui se passe. Les résultats peuvent être riches d’enseignements. Prenons l’exemple du Cameroun.

Lorsque l’on considère le Cameroun en tant qu’émetteur de migrants, on y apprend, par exemple, que la France demeure la première destination des migrants camerounais, puis que ses migrants se destinent d’abord vers les pays limitrophes du Tchad, du Nigéria et du Gabon. Vient ensuite leur nouvelle destination fétiche, les USA ; enfin les anciennes destinations privilégiées que sont l’Allemagne et l’Italie. A l’inverse, le Cameroun n’accueille que peu de migrants étrangers : 1% de la population résidente étrangère provient majoritairement de deux de ses voisins : le Nigéria mais aussi… le Tchad. La France est le troisième pays d’immigration. Reste à savoir quel est le profil exact de ces migrants.

 Si cette application est séduisante, elle présente toutefois – encore (l’application est en cours d’amélioration) – quelques inconvénients.

Quelques inconvénients…

Le premier inconvénient est que l’on ne puisse pas visualiser l’ensemble des lieux de destination du pays sélectionné, car l’application ne redimensionne pas la figure à la taille de l’écran. Pour cela, il est nécessaire d’utiliser les ascenseurs de la fenêtre et/ou de jouer avec les zooms de son navigateur préféré, ce qui est un peu pénible.

Le second inconvénient, plus important que le précédent, est que l’on ne sache pas précisément à quoi correspondent les couleurs assorties aux barres qui illustrent les pays ni quel est le rapport de proportionnalité entre les dites barres, car il n’y a pas de légende qui les concernent. Nous supposons que la hauteur des barres est proportionnelle au poids du pays dans le système migratoire. Les plus importants (en termes d’effectifs par rapport au total des migrants pour l’année) seraient alors ceux qui présentent les barres plus hautes et, pour renforcer le message, elles seraient teintées de couleurs chaudes (rouge, orange). A l’inverse, les pays les moins importants seraient alors symbolisés par des couleurs froides (de vert et de bleu). Mais on regrette l’absence de traduction graphique de ce rapport de proportionnalité.

… et quelques intérêts

Les intérêts de l’utilisation du formalisme graphique en coordonnées parallèles pour représenter les flux sont pourtant multiples au regard de l’exploration et de l’analyse des données qu’il permet. L’apparente réduction de l’espace depuis la 2D (x,y) vers la 1D(x), si elle apparaît comme un inconvénient, présente l’avantage de bien dissocier les lieux d’origine (i) et de destination (y) en les plaçant sur deux axes séparés et parallèles ; mais aussi d’autoriser différents traitements des données. Réserver un axe pour la valeur du flux et n autres pour leurs caractéristiques augmente les possibilités d’analyse des échanges. Les axes peuvent ainsi faire l’objet de classifications automatisées ou même graphiques. Les barres verticales et de tailles différentes qui sont portées sur les axes pourraient, par exemple, faire l’objet d’un ré ordonnancement sur le principe de la matrice-Bertin afin de faire apparaître une structure particulière qui pourrait être reportée sur l’un des axes, explicatif celui-là… Mais il en existe bien d’autres.

Références :

Inselberg, A., 1985, The Plane with Parallel Coordinates, Visual Computer, vol. 1, n° 4, pp. 69-91.

Inselberg, A., Dimsdale, B. Parallel coordinates: a tool for visualizing multi-dimensional geometry, IEEE Computer Society Press, « VIS ’90: Proceedings of the 1st conference on Visualization ’90«  , Los Alamitos, CA, USA, pp. 361–378.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l’IFSTTAR ; je suis par ailleurs membre-associée de l’UMR 8504 Géographie-Cités.

More Posts

Visual analytics, geovisualisation and cartography – séminaire Cartactive du GDR MAGIS

Le prochain séminaire Cartactive du GDR MAGIS, fédération CNRS de structures de recherches dédiées aux Méthodes et Applications pour la Géomatique et l’Information Spatiale, aura  lieu le 18 Février 2013 à l’Institut de Géographie (à Paris).

Ce séminaire qui ne porte pas à proprement parler sur la seule visualisation des réseaux est toutefois susceptible d’intéresser les lecteurs de ce blog, ne serait-ce que pour :

1) actualiser ses connaissances sur les dernières avancées dans le champ de la visualisation scientifique ;

2) rencontrer et écouter les experts appelés à communiquer.

Présentation du séminaire

Le groupe Cartactive du GDR MAGIS propose au cours d’un dernier séminaire de faire un point sur les derniers développements dans les domaines de la visualisation scientifique et les liens qu’ils entretiennent avec la cartographie en particulier pour la représentation des dynamiques. Si le paradigme de la géovisualisation s’est développé autour d’un rapprochement entre ces différents domaines, nous proposons de confronter différents points de vue en invitant des spécialistes de ces domaines multiples (information vizualisation, visual analytics, visual complexity, géovisualisation) . L’objectif est de ré-interroger ces méthodes au regard des nouvelles masses de données auxquelles elles doivent faire face, qu’elles exploitent la dimension spatiale ou non, et de stimuler les potentialités de transfert dans le domaine de la représentation des  mobilités et dynamiques spatiales.


Programme

9h45: Accueil
10h-11h : GeoVisual Analytics and Cartography, Menno-Jan Kraak, Department of Geoinformation Processing, University of Twente, Netherlands
11h- 12h: Modéliser et représenter les dynamiques sémantiques : l’exemple de la sécurité alimentaire dans l’agenda médiatique. Jean-Philippe Cointet, INRA-SenS, Marne-la-vallée
12h-12h30 : Discussion

12h30-14h déjeuner libre

14h-15h: Visualisation dans un monde imparfait: peut-on appliquer des solutions « infovis » à l’analyse d’évolutions architecturales?, Jean-Yves Blaise, Laboratoire MAP, Marseille
15h-16h : Visualisation scientifique 3D: introduction et problématiques perceptuelles, Pierre-George Bonneau, LJK-INRIA, Grenoble
16h-16h30 : Discussion

Lieu: Institut de Géographie – Nouvel Amphi- 191 rue Saint-Jacques, 75005 Paris -RER B – Luxembourg

Le séminaire est ouvert à tous, mais il est nécessaire de s’inscrire auprès de Hélène MATHIAN (UMR Géographie-cités) et Paule Annick DAVOINE (UMPF – LIG)
mathian<at>parisgeo<dot>cnrs<dot>fr ; Paule-Annick<dot>Davoine<at>imag<dot>fr

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l’IFSTTAR ; je suis par ailleurs membre-associée de l’UMR 8504 Géographie-Cités.

More Posts

(re)lire les classiques : Who shall survive ? de J.L. Moreno, 1934

Il est toujours intéressant de lire (enfin !) ces classiques cités par tous les manuels mais parfois difficiles à trouver. Jacob L. Moreno publie en 1934 un ouvrage programmatique destiné à montrer l’importance et les enjeux de ce qu’il nomme alors sociométrie1 : Who shall survive? A New Approach to the Problem of Human Interrelations, Washington, Nervous and Mental Disease Publishing Co., xvi-437 pages. Si l’ouvrage reste abondamment cité, c’est notamment parce que l’auteur y utilise abondamment les graphes pour mener sa démonstration.

Dès les premières planches, Moreno fixe un certain nombre de règles graphiques utilisant la couleur (rouge pour l’attraction, noir pour le rejet) et la forme. Ayant pour ambition de représenter l’ensemble des relations entre les individus enquêtés (élèves de primaire, habitants d’une communauté rurale), il représente simultanément les réactions d’attirance et de rejet sur les mêmes graphes.

Moreno, p.30

La recherche des structures relationnelles constitue l’enjeu de l’ouvrage (le terme structural analysis est souvent utilisé) et, si la typologie élaborée s’est enrichie depuis, les bases sont là : triangles, chaîne, réseau en étoile, isolés etc. L’importance de ces configurations est quasi systématiquement mesurée dans les graphes étudiés et les implications en terme de centralité des individus, non formalisées en termes mathématiques, sont clairement perçues On trouve ainsi la description verbale des centralités d’intermédiarité (il est nécessaire de passer par telle personne pour joindre ces deux personnes ou groupes) ou de pouvoir (être en relation avec des personnes ayant beaucoup de liens entre elles et être en relation avec des personnes s’ignorant les unes les autres est très différent).

Les trois figures ci-dessous correspondent aux pages 114-1116. La typographie des légendes a été respectée.

p. 114, Typical Structures Within Groups
Fig. 1. Attractions between individuals take the form of a chain.
Fig. 2. Attractions take the form of isolated units, pairs and groups of three.
Fig. 3. Two sub-groups are centralized each about two dominating individuals who have no attractive forces uniting them.
Fig. 4. A group in which two dominating individuals are strongly united both directly and indirectly through other individuals.

Moreno, p.114

p. 115 : Typical Structures Within Groups
Fig. 1. Attractions and repulsions take the form of a pair: a, in a mutual attraction (red pair); b, mutual rejection (black pair); c, mutual indifference; d, attraction vs. rejection; e, attraction vs. indifference.
Fig. 2. Mutual attractions and mutual repulsions take the form of a chain: a, chain of mutual attractions; b, chain of mutual rejections.
Fig. 3. Mutual attractions and repulsions take the form of a triangle: a. triangle formed by attractions; b. triangle formed by rejections.
Fig. 4. Mutual attractions and repulsions take the form of a star.
Fig. 5. Mutual attractions take the form of a circle.
Fig. 6. Mutual attractions and repulsions take the form of a center. (star) : a. center of attractions; b, center of repulsions; c, center of incompatible rejections vs. attractions.

Moreno, p.115

p. 116 : Typical Structures Within Groups
Fig. 7. Attractions and repulsions take the form of isolation.
Fig. 8. Isolation. Subject is attracted to six individuals outside of his group (outside individuals are symbolized by a double circle) who do not reciprocate.
Fig. 9. Isolation. Subject is attracted to four individuals outside of his group and rejects two more; they do not reciprocate; three others who are attracted to him he does not reciprocate.
Fig. 10. Isolation. Subject is attracted to five individuals within his group; they respond with indifference.
Fig. 11. Mutual attractions between three individuals take the form of a triangle but each of the subjects is otherwise rejected and isolated within his own group ; the result is an isolated and rejected triangle of persons.
Fig. 12. Five subjects each isolated and rejected within his own group reject and isolate each other.
Fig. 13. Two subjects each otherwise isolated in his own group form a pair of mutual attraction; the result is an isolated pair.
Fig. 14. Subject rejects six and is rejected by fifteen individuals within his own group; is rejected further by two individuals outside of his own group. The result is an isolated and rejected individual.

Moreno, p.116

La prise en compte des relations est toujours abordée dans une perspective dynamique et les thèmes des recherches restent présents aujourd’hui (homophilie de genre, de nationalités etc.). Si la dynamique des relations est importante – comment apparaît un lien ? pourquoi disparait-il ? -, les conséquences de la forme du réseau sur la diffusion et la circulation des infirmations sont également prises en compte (voir le cas de la diffusion  d’une rumeur p. 260). On trouve également quelques pistes d’analyse lexicométrique : Moreno compare ainsi la longueur des phrases et le nombre de mots employés pour exprimer l’attirance et le rejet (p. 185-188).

Autre intérêt, et pas uniquement pour un géographe (parfois) soucieux de la localisation de ses sommets, Moreno utilise au fil de sa démonstration tantôt le graphe, tantôt la cartographie des relations (voir ci-dessous la même situation relationnelle illustrée de ces deux façons complémentaires, p. 132 et 133). Il évoque très souvent le rôle de la distance pour expliquer les dynamiques relationnelles, utilisant le terme de psychogéographie.

Moreno, p.132

Moreno, p.134

Certains passages ont mal vieilli, et la dernière partie est peu convaincante. Il tente d’abord de généraliser ses conclusions aux relations entre Juifs et Allemands en Allemagne. Puis il prétend définir un point de saturation des nationalités aux États-Unis : en clair, il existe un seuil à partir duquel le nombre de personnes d’une nationalité – ou selon ses termes, d’une race – différente crée des tensions dans un groupe (p.346-348)… Reste que la lecture de cet ouvrage fondateur reste étonnamment stimulante aujourd’hui et que, dans la littérature sociologique, il faudra attendre plusieurs dizaines d’années pour retrouver des graphes aussi lisibles.

Si vous cherchez l’édition papier de 1934, deux options, deux bibliothèques universitaires parisiennes (voir le catalogue Sudoc). L’édition de 1953 intitulée Who shall survive ? Foundations of sociometry, group psychotherapy and sociodrama est un peu plus facile à trouver (7 bibliothèques à Paris et en province). Si vous désirez l’acheter, un exemplaire est en vente sur Amazon au prix délirant de 1 176.50 € (plus 2 € 99 de port ! Site consulté le 11 janvier 2013)… La traduction française de la seconde édition parue aux PUF en 1970 se trouve elle dans toutes les bonnes bibliothèques universitaires.

Et, gardons le meilleur pour la fin, la version de 1934 est accessible en pdf gratuitement à l’adresse suivante : https://archive.org/details/whoshallsurviven00jlmo (visité le 12 janvier 2013). La qualité est excellente, toutes les pages sont là, ni inscription ni mot de passe, récupérez le vite, ne serait-ce que pour parcourir les graphes.

1 Il définit ainsi la sociométrie : « The part of socionomy which deals with the mathematical study of psychological properties of populations, the experimental technique of and the results obtained by application of quantitative methods is called sociometry » (en italique dans le texte), p.10.

2. Le statut du site est incertain : aspect officiel, soutien affiché d’institutions diverses, publicités nombreuses et liens vers des agences d’escort-girls, un site étrange donc…

Stamen, l’imagination visuelle au pouvoir

Stamen est une compagnie de design basée à San Francisco et spécialisée dans la cartographie et la visualisation des données. Les projets présentés sur le blog forcent le respect par leur splendeur visuelle.

Plutôt que de discourir, quelques exemples commentés en image.

La visualisation de la diffusion n’a jamais été une partie de plaisir, et l’accélération des vitesses de propagation sur le web n’arrange rien. La vidéo ci-dessous illustre le partage d’un photographie (« AbFab London 2012 ») sur un réseau social très fréquenté. Chaque lien symbolise une personne et chaque création de lien signale le partage de la photographie, les liens les plus anciens blanchissant au fur et à mesure. La couleur des liens diffère selon le genre et la vidéo montre le partage d’une image entre juin et septembre. Surtout, passez en plein écran !

 Et s’il y a peu de graphes stricto sensu, les cartographies proposées valent le détour. C’est ainsi le cas de deux templates cartographiques qu’il est possible d’utiliser librement sur les fonds de carte Open Street Map. Les deux images ci-dessous concernent Hambourg, lieu de la prochaine Sunbelt (où les sessions thématiques se multiplient de jour en jour, voir http://hamburg-sunbelt2013.org/sessions/).

template watercolor de stamen

 

template toner de stamen

Toujours Hambourg avec des cartographies visant à représenter la ville la nuit. Les codes permettant de créer ces cartes sont librement téléchargeables.

hambourg la nuit selon stamen

Merci à Robin Cura d’avoir attiré mon attention sur ce superbe site.

Wind Map, flux éoliens en temps réel

 Les cartes de flux en temps réel sont de plus en plus fréquentes, qu’il s’agisse de transport (bus, train, avion ou bateau) ou, comme c’est le cas ici, de phénomènes météorologiques. La carte des vents en temps réel visible à l’adresse http://hint.fm/wind/ est une petite perle cartographique en noir et blanc… et une belle incitation à la rêverie.

 

Il est possible de zoomer sur la carte pour obtenir des données plus précises (vitesse et localisation) et la Gallery permet de parcourir quelques événements récents dont bien entendu l’ouragan Sandy.

zoom sur le site windmap

Ne manquant pas d’humour, les auteurs rappellent qu’il s’agit d’un projet artistique et qu’il est déconseillé d’utiliser cette carte pour piloter avion ou bateau, ou pour combattre les incendies (The wind map is a personal art project, not associated with any company. We’ve done our best to make this as accurate as possible, but can’t make any guarantees about the correctness of the data or our software. Please do not use the map or its data to fly a plane, sail a boat, or fight wildfires :-).

Le projet hint.fm est l’oeuvre de Fernanda Viégas et Martin Wattenberg, deux créateurs animant un groupe de recherche sur la visualisation pour Google, et leur blog devrait intéresser toutes les personnes curieuses d’innovations en matière de visualisation. Et si Wind Map est décrit comme projet artistique, les références académiques des deux auteurs sont au dessus de tout soupçon : doctorat au Media Lab du MIT pour l’une, doctorat de mathématiques à Berkeley pour l’autre.

Où l’on visualise le graphe de ce qu’on nous recommande (sur Amazon©, YouTube©, etc.)

Nous avons pratiquement tous effectué au moins une recherche d’ouvrage – ou de produit quelconque – sur le site de Amazon© et consulté, à l’occasion, la liste des  « recommandations ». Au sens de Amazon, les  « recommandations » sont une liste d’ouvrages (d’auteurs, de produits, etc.) associés à celui qui fait l’objet de votre recherche. Elle est donc susceptibles de vous intéresser car elle vous renseigne sur des ouvrages du même auteur ;  des  ouvrages d’auteurs différents sur un sujet similaires ; des produits liés au thème de votre recherche, etc.)  qui ont été recherchés – avant vous – par d’autres utilisateurs du site. De ce fait, l’ouvrage qui vous intéresse est, par conséquent, mis en relation à d’autres ouvrages par le principe des recommandations. Il est donc possible de visualiser le graphe de ces recommandations.

Christopher Warnow est parti de ce principe de mise en relation des produits de Amazon pour concevoir une application de visualisation du graphe des recommandations liées à un ouvrage recherché sur le site. L’auteur précise que l’idée lui est venue suite à la lecture du Chapitre 7 « Your choices reveal who you are » de Valdis Krebs (de l’ouvrage de J. Steele : Beautiful Vizualization).

L’application Warnow génère donc un graphe de recommandations à partir d’un « produit » Amazon : les noeuds correspondent aux produits recommandés par d’autres utilisateurs, accessoirement vendus sur le site et les liens à l’existence d’une recommandation. La représentation graphique s’appuie sur  Gephi pour la visualisation des « communautés ».  Les résultats peuvent être exportées en .pdf ou, bien sûr, capturés sur écran. Quelques illustrations sont disponibles sur Flickr.

Nous avons souhaité tester cette application Warnow directement sur Amazon©. Pour ce faire, nous avons utilisé Yasiv la variante développée par Andrei Kashcha (2012).  Le résultat de la recherche d’ouvrages, à partir du mot-clé « Jacques Bertin »  a été réalisée sur les sites canadiens, américain et français de Amazon©. Dans les trois cas, l’ouvrage associé à cette recherche d’auteur est « Sémiologie graphique » (1967), ce qui n’est pas surprenant.

Les résultats obtenus sont les suivants :

– Sur le site canadien : 28 références sont recommandées pour la version anglaise de l’ouvrage ;
– Sur le site américain : 50 références sont recommandées pour la version anglaise de l’ouvrage ;
– Sur le site français : 97 références sont recommandées pour la version française de l’ouvrage Sémiologie graphique, les diagrammes, les réseaux et les cartes.

Figure 1. Résultats obtenus sur Amazon.com (USA)

 

 

Figure 2. Résultats obtenus sur Amazon.fr (France)

On observe sur le graphe des recommandations issues du site français (Figure 2) que les références à « Jacques Bertin » sont plus variées que sur le site américain (Figure 1). Pour preuve, cette référence à l’ouvrage Danses tracées (Louppe & al., 1991) sur le dessin des trajectoires de danseurs par des chorégraphes. Ou encore, plus étonnant, la recommandation d’un pointeur laser vert Ecran LCD de portée de 30 m et de couleur noire. Cette dernière connexion est indirecte (degré 3) : le pointeur est, en effet, lié (degré 1) à un ouvrage sur l’art des présentations sous Powerpoint© qui, lui-même est lié (degré 2) à un ouvrage sur l’Art de convaincre avec des graphiques efficaces réalisés à l’aide des produits Microsoft Office© qui est, lui (degré 3), directement lié à Jacques Bertin (!). Il faut préciser que les différentes recommandations appartiennent à des groupes cohérents, ce qui témoigne de l’influence de l’auteur dont il est question ici.

Nous avons voulu aller plus loin dans ces associations inédites et avons donc relancé la recherche « Jacques Bertin » dans l’ensemble des départements du site. Le résultat obtenu est, non plus focalisé sur des produits liés au graphisme et à la graphique mais plutôt sur trois artistes – que nous ne connaissions pas – qui lui sont homonymes. Et l’idée nous est venue de rechercher des vidéos des dits artistes sur YouTube. Et là, surprise ! L’application Yasiv fonctionne également.

… vers YouTube et LinkedIn

La recherche « Jacques Bertin » avec Yasiv pour YouTube©, accessible ici, propose le graphe des vidéos liées aux auteurs concernés avec deux variantes par rapport au site de Amazon : la taille des vignettes des vidéos est proportionnelle au nombre de citations et elles sont accompagnées d’un nombre de Like et Dislike. L’application propose, par ailleurs, de filtrer les vidéos selon qu’elles sont likées ou dislikées.

Dans le même ordre d’idée et sans prendre le temps de la présenter, nous signalons l’application InMap du réseau professionnel LinkedIn(c) qui permet de visualiser son propre graphe de relations. Un billet est disponible ici.

Au final, une application totalement interactive et plutôt intéressante car elle permet de découvrir des ouvrages en lien avec notre recherche.

Figure 3. Popularité des ouvrages du graphe
des recommandations (sites américains et français)

Le résultat propose, en outre, des informations complémentaires :

– sur la gauche de l’écran, les autres ouvrages recommandés les plus « populaires » en nombre de recommandations (voir figure 3 ci-après) ;

– sur la droite de l’écran, toutes les informations disponibles sur l’ouvrage recherché (prix, références, commentaires, etc.) telles qu’elles sont actuellement présentées sur le site Amazon.

 

 

 

 

Références : 

Le code source de l’application Warnow est disponible ici (attention : fichier de 60 Mo).

Pour Yasiv(c), la version pour une visualisation en ligne des recommandations d’Amazon :  c’est par ici et de YouTube, c’est par

Louppe, L., Dobbels, D., Virilio, P., Thom, R., Laurenti, J-N., 1991, Danses tracées : dessins et notations de chorégraphes, Editions Dis Voir, 60 p.

Steele, J., Iliinsky N.,2010, Beautiful Visualization, O’Reilly Media, Inc. 416 p.

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l’IFSTTAR ; je suis par ailleurs membre-associée de l’UMR 8504 Géographie-Cités.

More Posts

Enfin de beaux graphes avec R ? Le package qgraph à l’essai

Je l’ai déjà écrit, R me paraît être aujourd’hui le logiciel le plus performant en analyse de réseau, et ce quel que soit le type de réseau étudié. Reste que lorsqu’il s’agit de passer de l’exploration des données à la communication, les graphes produits par R ne font pas le poids face aux visualisations générées par des outils comme Cytoscape, Gephi ou Tulip. Est-ce que l’arrivée du récent package qgraph change les données du problème ? Pas sûr…

Développé par de psychologues, l’objectif du package qgraph est de permettre des visualisations lisibles de graphes denses tout en minimisant la taille des fichiers vectoriels exportables. Si l’objectif premier affiché par les auteurs est la visualisation de matrices de corrélation, il est évidemment possible de l’utiliser pour représenter un graphe simple valué.

Le nombre de commandes est on ne peut plus limité : qgraph est la seule du module. Comme l’expliquent les auteurs dans le Journal of Statistical Softwares, le nombre de packages permettant l’analyse de graphes est largement suffisant – et ils n’ont pas tort. Pourtant, le package permet d’obtenir les mesures de graphe valué proposés par Tore Opshal dans ses articles, sur son blog (dont la visite est très recommandée : http://toreopsahl.com/) et… dans son package tnet.

Si on teste les scripts d’exemple du mode d’emploi, on obtient des résultats visuellement plus attractifs que la très grande majorité des images produites dans R.

visualisation avec qgraph

Le code R utilisé pour générer cette image est le suivant :

library(qgraph)

data(big5)

qgraph.panel(cor(big5),groups=big5groups,minimum=0.25, borders=FALSE,vsize=1,cut=0.3)

Le format des données en entrée est le même que pour le package igraph et, pour utiliser qgraph(x), x doit être une matrice (valuée), une liste de liens ou un objet de type qgraph. Le script suivant importe un tableau de données (individus – variables), calcule la matrice des corrélations puis la visualise en faisant varier couleur et valeur en fonction de la corrélation – seules celles supérieures à |0.5| sont représentées (option minimum).

library(qgraph)

#import du tableau de données

d <- read.table(« donnees.txt », sep= »\t », header=TRUE, row.names=1)

#calcul de la matrice de corrélations

m <- cor(as.matrix(d))

#visualisation

qgraph(m, layout= »spring », minimum=0.5)

Et on obtient une image de ce type-là : les corrélations négatives sont en verts, les corrélations positives en rouge, et l’épaisseur dépend de l’intensité de la relation entre les variables.

visualisation avec qgraph

Si on résume, le package peut produire des images plus sympathiques que la majorité des packages d’analyse de graphe dans R – sauf à écrire dans ces derniers d’interminables scripts – mais les limites sont évidentes : seuls les graphes simples et valués sont concernés. Et le résultat reste quoi qu’il en soit moins attrayant que ceux obtenus avec les logiciels évoqués au début de ce billet. Donc, ce package vous sera utile si et seulement si vous représentez souvent des matrices de corrélation…

Références

S. Epskamp, A.O.J. Cramer, L.J. Waldorp, V.D. Scmittmann et D. Borsboom, 2012, qgraph: Network Visualizations of Relationships in  Psychometric Data, Journal of Statistical Softwares, 48(4): 1-18, http://www.jstatsoft.org/v48/i04/.

Blog de Sacha Epskamp : http://sachaepskamp.com/qgraph.

Une journée d’école vue par SocioPatterns

Le projet SocioPatterns a débuté en 2008 avec un objectif ambitieux, modéliser les interactions humaines. Les données ont été recueillies au cours de toutes ces années dans des environnements variés : école primaire, lycée, hôpital, musée, conférence etc. L’une des originalités du projet est la méthode de recueil des données : chaque participant-e (élève, visiteur, personnel etc.) est équipé-e d’un badge capable d’emmagasiner, de collecter et d’émettre des signaux. Si deux personnes se trouvent face à face à moins d’un mètre l’une de l’autre, un lien est enregistré entre les deux personnes.

Le site dédié au projet (http://www.sociopatterns.org/) mérite une longue visite pour plusieurs raisons :

  • les plupart des articles issus du projet sont accessibles  ;
  • les vidéos sont soignées et stimulantes (voir exemple ci-dessous) ;
  • toute la méthodologie est décrite en détail – du coup on peut contester certains choix, mais en toute connaissance de cause ;
  • quatre jeux de données sont téléchargeables pour explorer d’autres pistes ou répliquer telle ou telle analyse.

L’un des exemples de visualisation les plus stimulants est celui concernant une journée d’école primaire. Chaque cercle représente une classe, chaque point périphérique un élève et le point central l’enseignant-e, chaque lien indique une situation de proximité physique et on repère vite le rythme de l »école, des récréations au retour en classe en passant par le temps de midi (peu d’élèves demi-pensionnaires semble-t-il). La faiblesse des relations entre les classes d’âge extrêmes – connue depuis très longtemps mais illustré ici de façon frappante – apparaît nettement.

 

Les choix de visualisation sont intéressants : les individus sont figés dans l’espace et seuls les liens permettent d’imaginer les déplacements des uns et des autres. Il est d’ailleurs parfois difficile de se représenter l’agencement physique des élèves tant certaines densités de liens peuvent devenir élevées.

Si le projet se dit interdisciplinaire, les physiciens s’y  taillent la part du lion comme le montrent les institutions porteuses du projet (ISI Foundation, Turin ; Centre de Physique Théorique, Marseille; Laboratoire de Phyique de l’ENS Lyon et Bitmanufaktur de Berlin). L’inférence pourra sembler exagérer au vue des données : coprésence – même en face à face  – n’est pas synonyme d’interaction, notamment dans un certain nombre d’endroits où la place même des individus est en grande partie contrainte (qu’il s’agisse de l’école ou de l’hôpital). Écrire à propos de l’école primaire que « each child has on average 323 contacts per day with 47 other children, leading to an average daily interaction time of 176 minutes » est précis, il n’est pas évident que ces mesures soient d’une grande utilité : parce qu’il s’agit d’une moyenne, parce que la durée des contacts est très variable et surtout parce qu’aucun distinguo n’est possible entre coprésence subie et interaction choisie.Quant à l’alibi récurrent de l’aide à la prévention des maladies contagieuses – alibi fréquent chez nos collègues physiciens [1] -, il ne m’apparait d’une grande pertinence, notamment dans le cas de l’école primaire…

Là où le projet stimule, c’est dans sa volonté de mettre en évidence des idéaux-types de relations humaines variables selon les genres, les statuts (voir l’article et les graphes concernant les catégories de personnel hospitalier), les heures et les lieux.


[1] Pas de procès d’intention, je trouve nombre de travaux de physiciens passionnants et  les sciences humaines ont beaucoup à apprendre – et je ne parle pas ici statistiques ou programmation. Mais j’y reviendrai sans doute dans des billets ultérieurs.

Cartographier flux et relations avec Paj2KML

Le logiciel Paj2KML est un petit utilitaire Windows bien utile pour qui souhaite combiner graphe et représentation cartographique.

Le fichier .exe doit être placé dans le même dossier que :

  • un graphe Pajek au format .net

Lancer le logiciel produit alors un fichier .kml qu’il est possible de superposer à une vue Google Earth ou Google maps. Le plus pratique reste cependant d’ouvrir le fichier .kml et de copier/coller le contenu ici : http://display-kml.appspot.com/. La carte apparaît quelques secondes plus tard. Il n’est pas possible de l’exporter en format image ou vectoriel, seule la capture d’écran est possible.

L’exemple ci-dessous utilise l’un des jeux de données sur les relations entre les villes mondiales du GaWC (http://www.lboro.ac.uk/gawc/datasets/da7.html).  Il s’agit d’un indice variant entre 0 et 1 et mesurant l’intensité des échanges de services entre villes. Le graphe de départ est complet, différents seuils ont été testés afin de produire une visualisation lisible.  Seuls les liens supérieurs à 0.4 ont été gardés.

Les deux images ci-dessous montrent le graphe généré par Pajek (algorithme de Kamada-Kawai > Free) et la carte correspondante générée par display-klm.

Visualisation produite par Pajek

Résultat obtenu avec Paj2KLM

La principale limite est évidemment la projection Mercator qui se prête particulièrement mal à la représentation de flux mondiaux. De plus, si la vue globale peut faire illusion, zoomer sur la carte (voir ci-dessous) montre que la précision de l’outil est très relative…

Visulisation produite par Paj2KLM - détail

Le fichier groupefmr_Paj2KML.zip téléchargeable ci-dessous contient trois fichiers : le jeu de données du GaWC original au format .net, le même fichier mais uniquement avec les liens supérieurs à 0.4 et enfin le fichier .txt avec les coordonnées de 55 villes concernées. Les liens internet et le descriptif des fichiers  se trouvent dans LISEZ_MOI.txt.

Dossier .zip téléchargeable ici.

Merci à Marion Maisonobe d’avoir attiré mon attention sur cet utilitaire il y a de nombreux mois déjà.

Plus d’informations et d’exemples sur la page http://www.leydesdorff.net/gmaps/.

Une application de géovisualisation pour des TGV à l’heure !

Le SENSEable City Lab du MIT a conclu un partenariat avec la division pour la recherche et l’innovation de la SNCF sur l’accessibilité française par le réseau à grande vitesse. L’équipe-projet Trains of Data a développé pour cela deux applications de géovisualisation issues de données sur les temps de déplacement des Trains à Grande Vitesse (TGV) sur le réseau ferroviaire à grande vitesse français.

La première application : « Isochronic France » propose une visualisation intéressante et surtout spectaculaire de la modification de la structure du réseau ferroviaire à grande vitesse liée aux retards pris par les TGV. Fondée sur le principe de l’anamorphose vectorielle multipolaire, elle consiste à déformer la longueur kilométrique des tronçons en fonction d’une distance-temps exprimée en termes de retard à l’arrivée du train en gare. C’est donc la modification de la position des gares (la destination s’éloigne de l’origine en cas de retard) qui conduit à une modification de la longueur des tronçons, en fonction de la durée de déplacement.

L’application, interactive et dynamique, propose une visualisation à la minute, sur tous les jours d’une semaine, de la déformation successive du réseau liée à l’accumulation des retards. L’utilisateur peut laisser l’animation se dérouler ou interagir avec l’interface, en explorant les données de deux manières : en sélectionnant un nœud d’origine – qui correspond à une gare de départ – pour visualiser l’impact des retards du point de vue de ce lieu sur la modification de la structure du réseau ; ou bien en accédant aux informations locales sur les durées de déplacements.

La seconde application : « Trains at Time » est moins spectaculaire que la première mais elle n’en demeure pas moins intéressante. Les variables prises en compte articulent, en effet, la vitesse de déplacement, les ralentissements liés à la congestion de la circulation en certains nœuds du réseau et les retards qui se répercutent à différentes échelles : localement mais aussi globalement. L’application montre bien l’effet des ralentissements de la circulation des trains liés à la congestion du réseau en certains points chauds locaux compte tenu de leur capacité (effectifs de passagers). L’application, qui n’est pas interactive, permet également de visualiser la position des trains en tous points du réseau au cours du temps.

Pour en savoir plus sur les procédés d’anamorphoses vectorielles unipolaires (depuis un lieu) ou multipolaires (en fonction de plusieurs lieux) appliqués à l’analyse d’accessibilité dans le domaine des transports :

Cauvin, C., 1994, Accessibilité de système et accessibilité locale, Flux, Vol. 10, n° 16, pp. 39-48

Françoise Bahoken

Géographe et cartographe, je suis accueillie en détachement depuis décembre 2010 à l’IFSTTAR ; je suis par ailleurs membre-associée de l’UMR 8504 Géographie-Cités.

More Posts