Analyse des données avancée

Mise en œuvre sur R et Python

Analyse des données avancée

Analyse des données avancée

Chapitre 19 : Mise en œuvre sur R et Python

Auteur·rice
Affiliation

Jaouad Madkour

Faculté d’Économie et de Gestion de Tanger

Date de publication

25 septembre 2026

Lire une sortie

Rien de nouveau dans la sortie

Sur R

L’ACP avec FactoMineR

library(FactoMineR) ; library(factoextra)
cl <- read.csv("clients.csv", stringsAsFactors = TRUE)

acp <- PCA(cl, quanti.sup = c(3, 8), quali.sup = c(2, 4, 5, 6, 17),
           scale.unit = TRUE, ncp = 5, graph = FALSE)

acp$eig                      # 4.535 (56.69 %) puis 1.645 (20.57 %)
fviz_screeplot(acp)          # l'eboulis du chapitre 6
fviz_pca_var(acp)            # le cercle des correlations
fviz_pca_ind(acp, habillage = "frequence")
Les deux arguments qui font tout

quanti.sup et quali.sup désignent les colonnes illustratives. Tout ce qui n’y figure pas est actif.

C’est la décision du chapitre 1, réduite à deux vecteurs d’indices — et c’est la ligne qu’il faut relire trois fois avant de commenter quoi que ce soit.

Lire les aides à l’interprétation

acp$var$cos2[, 1:2]          # qualite de representation des variables
acp$var$contrib[, 1:2]       # contribution : accueil 20.5 % sur l'axe 2
acp$ind$contrib[, 1]         # aucun individu au-dessus de 1.83 %

dimdesc(acp, axes = 1:2)     # description automatique des axes
La fonction la plus utile du paquet

dimdesc trie, pour chaque axe, les variables et les modalités les plus liées, avec leur corrélation.

Elle ne remplace pas la lecture du cercle — elle la vérifie. Un axe qu’on a mal nommé se repère immédiatement dans sa sortie.

Classification et discrimination

# CAH sur les axes factoriels, avec consolidation automatique
hc <- HCPC(acp, nb.clust = 4, consol = TRUE, graph = FALSE)

hc$desc.var$quanti           # ce qui caracterise chaque classe
hc$desc.var$test.chi2        # les variables qualitatives liees
hc$data.clust$clust          # la classe de chaque client

# Analyse discriminante
library(MASS)
afd <- lda(frequence ~ prix + choix + qualite + agencement +
             proprete + rapidite + conseil + accueil, data = cl)
table(cl$frequence, predict(afd)$class)          # 67.0 %
afdcv <- lda(frequence ~ ., data = cl[, 9:16], CV = TRUE)  # 65.3 %

AFC, ACM et MDS

# AFC sur le tableau croise CSP x motif
tab <- table(cl$csp, cl$motif)
chisq.test(tab)              # X-squared = 110.41, df = 12
afc <- CA(tab, graph = FALSE)
afc$eig                      # 0.2267 (61.60 %) et 0.1030 (27.98 %)

# ACM sur les cinq variables qualitatives
acm <- MCA(cl[, c("csp","frequence","carte","motif","sexe")], graph = FALSE)

# MDS sur les dissimilarites entre enseignes
mds <- cmdscale(d_enseignes, k = 2, eig = TRUE)
sum(mds$eig[1:2]) / sum(mds$eig[mds$eig > 0])    # 97.34 %

Le test et l’analyse, l’un après l’autre

Une ligne mérite d’être commentée

chisq.test(tab) puis CA(tab) : le test et l’analyse, l’un après l’autre, sur le même objet.

Le premier dit qu’il y a une liaison ; le second dit laquelle. Les deux lignes ensemble résument tout le chapitre 8.

Sur Python

Les équivalents

import pandas as pd, numpy as np, prince
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA

cl = pd.read_csv("clients.csv")
notes = ["prix","choix","qualite","agencement",
         "proprete","rapidite","conseil","accueil"]

acp = prince.PCA(n_components=5).fit(cl[notes])
acp.eigenvalues_summary        # 56.69 % puis 20.57 %
F = acp.transform(cl[notes])   # les coordonnees des individus

Classification et discrimination

from scipy.cluster.hierarchy import linkage, dendrogram, fcluster

Z = linkage(F.iloc[:, :2], method="ward")
dendrogram(Z, no_labels=True)
g = fcluster(Z, t=4, criterion="maxclust")            # 4 classes

Consolidation et discrimination

# k-means partant des centres de la CAH
centres = np.array([F.iloc[:, :2][g == k].mean() for k in range(1, 5)])
km = KMeans(n_clusters=4, init=centres, n_init=1).fit(F.iloc[:, :2])

afd = LDA().fit(StandardScaler().fit_transform(cl[notes]), cl.frequence)

La correspondance des commandes

R et Python, côte à côte
R Python
PCA (FactoMineR) prince.PCA
CA prince.CA
MCA prince.MCA
hclust(..., "ward.D2") scipy.linkage(..., "ward")
kmeans sklearn.KMeans
lda (MASS) LinearDiscriminantAnalysis
cmdscale sklearn.manifold.MDS

Lequel choisir

L’avantage de Python est ailleurs

Il commence dès que les données sont volumineuses, ou qu’il faut industrialiser le calcul du score — le recalculer chaque nuit sur la base clients.

Pour une étude, R. Pour un traitement récurrent, Python.

Un avantage réel de R sur ce terrain

FactoMineR sort d’emblée contributions, \cos^2 et éléments illustratifs. En Python, il faut souvent les recalculer.

Ce n’est pas un détail : ce sont exactement les indicateurs sans lesquels un plan factoriel ne s’interprète pas.

Les pièges

Ceux que le logiciel ne signale jamais

Ce que le logiciel ne fait pas

Il ne choisit pas les variables actives

PCA(cl) sans argument met tout en actif, y compris le panier moyen et l’âge — et sort un résultat parfaitement propre, parfaitement faux.

Aucun message d’erreur ne viendra.

Il ne dit pas si les classes existent

HCPC(acp, nb.clust = 4) produira quatre classes sur trois cents points tirés au hasard, avec un dendrogramme d’apparence convaincante.

C’est au lecteur du saut d’inertie de trancher, pas à la fonction.

Ce qu’il faut retenir

Le résumé du chapitre

Six points
  1. PCA, CA, MCA, HCPC, lda, cmdscale : six fonctions pour les six méthodes.
  2. quanti.sup et quali.sup traduisent la décision active ou illustrative.
  3. dimdesc vérifie l’interprétation des axes ; elle ne la remplace pas.
  4. HCPC(..., consol = TRUE) enchaîne CAH et k-means en une instruction.
  5. R sort les contributions et \cos^2 d’emblée ; Python demande de les recalculer.
  6. Le logiciel ne choisit pas les variables actives et ne dit pas si les classes existent.
La fin du parcours

Cinq méthodes, une seule diagonalisation, un seul fichier de trois cents clients.

Vous avez décrit leurs opinions, croisé leurs profils, formé leurs segments, construit une règle de ciblage et positionné huit enseignes. Aucun de ces résultats n’était visible dans le tableau de départ — et c’est précisément l’objet de la discipline.

← Chapitre précédentÉtude de cas

Ressources du chapitre