{"id":4953,"date":"2026-10-14T18:01:20","date_gmt":"2026-10-14T18:01:20","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-modifier-intervalles-axes-graphiques-r-exemples\/"},"modified":"2026-10-14T18:01:20","modified_gmt":"2026-10-14T18:01:20","slug":"comment-modifier-intervalles-axes-graphiques-r-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-modifier-intervalles-axes-graphiques-r-exemples","title":{"rendered":"Comment modifier les intervalles des axes dans les graphiques R (avec exemples)"},"content":{"rendered":"

La repr\u00e9sentation graphique des donn\u00e9es empiriques constitue l’un des piliers m\u00e9thodologiques les plus critiques de la d\u00e9marche scientifique contemporaine. Dans les disciplines quantitatives telles que la psychom\u00e9trie, les neurosciences cognitives, l’\u00e9pid\u00e9miologie ou l’\u00e9conom\u00e9trie, la lisibilit\u00e9 et l’exactitude de la restitution visuelle d’un ph\u00e9nom\u00e8ne conditionnent directement la validit\u00e9 des inf\u00e9rences \u00e9tablies par les pairs. Or, si le logiciel d’analyse statistique R<\/a> s’est impos\u00e9 comme le standard acad\u00e9mique mondial par excellence, son moteur graphique natif adopte par d\u00e9faut un comportement probabiliste d’ajustement des \u00e9chelles qui, bien que pratique pour l’exploration rapide, s’av\u00e8re souvent inadapt\u00e9 aux contraintes rigoureuses de la publication scientifique. Les algorithmes d’optimisation automatis\u00e9e s\u00e9lectionnent des rep\u00e8res num\u00e9riques fond\u00e9s sur des divisions canoniques g\u00e9n\u00e9riques qui masquent fr\u00e9quemment des seuils cliniques fondamentaux, tronquent des dynamiques d’int\u00e9r\u00eat ou induisent des distorsions interpr\u00e9tatives majeures.<\/p>\n

Le contr\u00f4le manuel millim\u00e9tr\u00e9 des intervalles d’axes au sein des graphiques de base (le syst\u00e8me base R graphics<\/em>) repr\u00e9sente ainsi un savoir-faire technique indispensable pour tout chercheur ou analyste d\u00e9sireux de s’affranchir des approximations algorithmiques. Ma\u00eetriser l’architecture qui s\u00e9pare le trac\u00e9 des points de donn\u00e9es de la mat\u00e9rialisation physique des axes permet non seulement d’aligner les rep\u00e8res visuels sur des mod\u00e8les th\u00e9oriques sous-jacents, mais \u00e9galement d’optimiser l’ergonomie cognitive des figures destin\u00e9es aux revues \u00e0 comit\u00e9 de lecture. Cet ajustement ne se r\u00e9sume pas \u00e0 un simple artifice esth\u00e9tique ; il incarne une obligation de transparence scientifique o\u00f9 chaque marqueur, chaque pas d’\u00e9chantillonnage graphique et chaque libell\u00e9 textuel doit refl\u00e9ter avec exactitude la structure math\u00e9matique des mesures recueillies.<\/p>\n

Ce guide exhaustif expose de mani\u00e8re m\u00e9thodique l’ensemble des concepts, fonctions et strat\u00e9gies permettant de modifier avec une pr\u00e9cision absolue les intervalles des axes dans les graphiques R natifs. De la d\u00e9sactivation \u00e9l\u00e9mentaire des rep\u00e8res automatiques par les arguments d’att\u00e9nuation graphique jusqu’au d\u00e9ploiement de s\u00e9quences dynamiques complexes, en passant par le param\u00e9trage typographique, l’exploitation des \u00e9chelles temporelles et logarithmiques, ainsi que la synchronisation d’espaces multi-panneaux, ce manuel offre une r\u00e9f\u00e9rence op\u00e9rationnelle compl\u00e8te, rigoureusement document\u00e9e et illustr\u00e9e d’exemples analytiques concrets.<\/p>\n

1. Introduction aux m\u00e9canismes de graduation des axes dans les graphiques R de base<\/h2>\n

Le syst\u00e8me graphique fondamental de R repose sur une philosophie s\u00e9quentielle issue du langage S, o\u00f9 chaque composant visuel est projet\u00e9 sur un canevas matriciel selon un ordre d\u00e9termin\u00e9. Comprendre les fondements th\u00e9oriques et algorithmiques de cette structure est indispensable avant d’entreprendre toute manipulation chirurgicale des \u00e9chelles d’abscisses et d’ordonn\u00e9es.<\/p>\n

1.1 Importance de la pr\u00e9cision visuelle des axes dans l’analyse quantitative<\/h3>\n

Dans l’analyse des distributions quantitatives, l’axe graphique ne joue pas un simple r\u00f4le de d\u00e9limitation g\u00e9om\u00e9trique ; il sert d’ancrage m\u00e9trique direct \u00e0 la perception humaine. Les travaux s\u00e9minaux de Jacques Bertin sur la s\u00e9miologie graphique et les recherches de William S. Cleveland sur la perception visuelle des donn\u00e9es ont amplement d\u00e9montr\u00e9 que l’\u0153il humain \u00e9value les grandeurs relatives en comparant la distance lin\u00e9aire des marqueurs par rapport aux graduations les plus proches. Lorsqu’un intervalle d’axe est mal calibr\u00e9, ou lorsque les rep\u00e8res sont espac\u00e9s de fa\u00e7on contre-intuitive (par exemple par tranches de 3,33 ou d’autres fractions non naturelles), la charge cognitive requise pour d\u00e9coder l’information s’accro\u00eet exponentiellement, multipliant les risques de contresens analytique.<\/p>\n

En psychom\u00e9trie et en neuropsychologie clinique, ce ph\u00e9nom\u00e8ne prend une dimension critique. Les outils d’\u00e9valuation standardis\u00e9s reposent sur des bornes interpr\u00e9tatives pr\u00e9cises, telles que les \u00e9carts-types autour d’une moyenne normalis\u00e9e (\u00e9chelles T, notes standardis\u00e9es ou scores de quotient intellectuel) ou des scores seuils attestant d’une s\u00e9v\u00e9rit\u00e9 pathologique (comme sur les \u00e9chelles d’\u00e9valuation de la d\u00e9pression ou de l’anxi\u00e9t\u00e9). Un trac\u00e9 automatis\u00e9 qui omet d’implanter une graduation sur ces points de rupture th\u00e9oriques contraint le lecteur \u00e0 une interpolation hasardeuse, r\u00e9duisant la port\u00e9e de la d\u00e9monstration exp\u00e9rimentale. De plus, la reproductibilit\u00e9 scientifique impose une standardisation des \u00e9chelles entre diff\u00e9rentes cohortes ou \u00e9tudes comparatives, ce que les routines automatiques ne peuvent garantir en raison de leur sensibilit\u00e9 aux variations minimes d’\u00e9chantillonnage.<\/p>\n

1.2 Fonctionnement du moteur graphique natif de R pour les \u00e9chelles<\/h3>\n

Le moteur graphique natif encapsul\u00e9 dans la fonction de base fait appel \u00e0 un algorithme interne d’ajustement automatique h\u00e9rit\u00e9 de la fonction de bas niveau nomm\u00e9e commun\u00e9ment l’algorithme des rep\u00e8res \u00e9l\u00e9gants (pretty breakpoints<\/em>). Lorsqu’un utilisateur ex\u00e9cute une instruction standard sans param\u00e9trage pr\u00e9alable des axes, le syst\u00e8me analyse l’\u00e9tendue dynamique des donn\u00e9es fournies, calcule l’amplitude globale entre les extrema, puis d\u00e9termine une puissance de dix ad\u00e9quate pour d\u00e9finir un nombre approximatif d’intervalles r\u00e9guliers, souvent centr\u00e9 sur un facteur de division par 2, 5 ou 10.<\/p>\n

Bien que cet algorithme soit math\u00e9matiquement \u00e9l\u00e9gant pour offrir une vue d’ensemble instantan\u00e9e, il manifeste rapidement des limites structurelles insurmontables d\u00e8s que les donn\u00e9es pr\u00e9sentent une asym\u00e9trie marqu\u00e9e, des valeurs extr\u00eames ou une nature strictement ordinale. L’automate tente syst\u00e9matiquement d’englober la totalit\u00e9 des points tout en s\u00e9lectionnant des valeurs arrondies qui peuvent trahir la r\u00e9solution r\u00e9elle de l’instrument de mesure. Le paradigme fondamental \u00e0 assimiler pour contourner cette contrainte r\u00e9side dans le d\u00e9couplage conceptuel entre l’espace des donn\u00e9es et la couche visuelle de restitution des axes : dans le syst\u00e8me graphique de R, la projection des donn\u00e9es sur le plan cart\u00e9sien et le trac\u00e9 physique des axes constituent deux op\u00e9rations logicielles totalement ind\u00e9pendantes qui peuvent \u00eatre dissoci\u00e9es sans alt\u00e9rer l’int\u00e9grit\u00e9 des coordonn\u00e9es analytiques.<\/p>\n

1.3 Vue d’ensemble de la fonction axis() et de son environnement<\/h3>\n

La fonction axis()<\/em> constitue le pivot central de la personnalisation des graduations dans l’\u00e9cosyst\u00e8me graphique natif de R. Con\u00e7ue comme une fonction de bas niveau, elle intervient post\u00e9rieurement \u00e0 l’ouverture d’un dispositif d’affichage ou \u00e0 l’ex\u00e9cution d’une commande de tra\u00e7age de haut niveau. Son r\u00f4le consiste \u00e0 injecter, sur l’une des bordures du rep\u00e8re orthonorm\u00e9, une structure personnalis\u00e9e comprenant une ligne d’axe, des tirets de graduation (les tick marks<\/em>) et des \u00e9tiquettes alphanum\u00e9riques positionn\u00e9es selon des coordonn\u00e9es strictement d\u00e9finies par l’exp\u00e9rimentateur.<\/p>\n

Le fonctionnement optimal de cette fonction d\u00e9pend d’une interaction \u00e9troite avec les param\u00e8tres graphiques globaux administr\u00e9s par l’interm\u00e9diaire de la commande par()<\/em>. Ces param\u00e8tres d\u00e9finissent l’allocation spatiale des marges internes et externes de la figure, l’orientation de l’\u00e9criture typographique, ainsi que la distance relative entre le texte des \u00e9tiquettes et la bordure du canevas. D\u00e8s lors, le flux de travail rigoureux pour le contr\u00f4le des intervalles d’axes s’articule toujours selon un protocole ternaire invariable : premi\u00e8rement, la pr\u00e9paration de la fen\u00eatre graphique et le trac\u00e9 des donn\u00e9es assorti de la suppression d\u00e9lib\u00e9r\u00e9e des axes par d\u00e9faut ; deuxi\u00e8mement, l’invocation s\u00e9quentielle de la fonction axis()<\/em> pour sculpter manuellement chaque dimension spatiale ; troisi\u00e8mement, l’adjonction \u00e9ventuelle d’\u00e9l\u00e9ments de titrage et de l\u00e9gende pour parachever l’appareil critique de la figure.<\/p>\n

2. La syntaxe fondamentale : suppression des axes par d\u00e9faut avec xaxt=’n’ et yaxt=’n’<\/h2>\n

Pour construire des graduations d’axes parfaitement calibr\u00e9es, la premi\u00e8re exigence technique consiste \u00e0 emp\u00eacher le moteur graphique de g\u00e9n\u00e9rer ses propres rep\u00e8res automatiques. Sans cette neutralisation pr\u00e9alable, toute nouvelle graduation trac\u00e9e viendra se superposer aux rep\u00e8res d’origine, cr\u00e9ant une illisibilit\u00e9 graphique imm\u00e9diate et r\u00e9dhibitoire.<\/p>\n

2.1 D\u00e9sactivation des graduations automatiques de l’axe des abscisses<\/h3>\n

La neutralisation de l’axe horizontal dans une instruction graphique de haut niveau, telle que la fonction de tra\u00e7age \u00e9l\u00e9mentaire, s’op\u00e8re par l’adjonction de l’argument formel xaxt=’n’<\/em>. Cette instruction transmet au sous-syst\u00e8me de dessin l’ordre explicite d’omettre la construction de la ligne d’axe inf\u00e9rieure, de ses tirets r\u00e9guliers ainsi que des \u00e9tiquettes num\u00e9riques correspondantes, tout en conservant scrupuleusement la g\u00e9om\u00e9trie interne de projection calcul\u00e9e \u00e0 partir des vecteurs de donn\u00e9es transmis en entr\u00e9e.<\/p>\n

Il importe de souligner que l’utilisation de cet argument modifie s\u00e9lectivement le rendu de l’axe des abscisses sans d\u00e9grader la d\u00e9limitation de la bo\u00eete d’encadrement globale, \u00e0 moins que celle-ci ne soit sp\u00e9cifiquement modifi\u00e9e par d’autres arguments. L’espace cart\u00e9sien demeure donc parfaitement \u00e9talonn\u00e9 : les coordonn\u00e9es relatives des observations demeurent inscrites dans la m\u00e9moire du p\u00e9riph\u00e9rique d’affichage, garantissant que les futures graduations ajout\u00e9es manuellement s’aligneront avec une pr\u00e9cision g\u00e9om\u00e9trique sans faille sur les points de donn\u00e9es invisibles mais spatialement actifs.<\/p>\n

2.2 D\u00e9sactivation simultan\u00e9e ou s\u00e9lective de l’axe des ordonn\u00e9es<\/h3>\n

De fa\u00e7on rigoureusement analogue \u00e0 la gestion de la dimension horizontale, l’inhibition du syst\u00e8me d’axe vertical s’obtient au moyen de l’argument yaxt=’n’<\/em>. Cette s\u00e9paration s\u00e9lective est pr\u00e9cieuse dans les contextes exp\u00e9rimentaux o\u00f9 une seule dimension n\u00e9cessite un remaniement structurel : un chercheur peut souhaiter conserver un axe temporel standard en abscisse tout en personnalisant int\u00e9gralement l’axe des ordonn\u00e9es pour faire appara\u00eetre des unit\u00e9s psychom\u00e9triques non lin\u00e9aires.<\/p>\n

Lorsque la figure exige une refonte globale, les deux arguments sont combin\u00e9s simultan\u00e9ment dans l’appel initial sous la syntaxe coordonn\u00e9e int\u00e9grant xaxt=’n’<\/em> et yaxt=’n’<\/em>. Dans les publications n\u00e9cessitant un design graphique \u00e9pur\u00e9 de type minimaliste<\/em>, il est fr\u00e9quent d’adjoindre \u00e9galement l’argument bty=’n’<\/em>, lequel \u00e9limine l’int\u00e9gralit\u00e9 de la bo\u00eete rectangulaire englobante (box type<\/em>). Dans une telle configuration, le trac\u00e9 se r\u00e9sume temporairement \u00e0 un nuage de points ou \u00e0 une courbe flottant librement dans l’espace graphique, pr\u00eat \u00e0 recevoir un squelette d’axes sur mesure d\u00e9nu\u00e9 de tout bruit visuel parasite.<\/p>\n

2.3 Exemple d’initialisation d’un canevas neutre pour les donn\u00e9es exp\u00e9rimentales<\/h3>\n

Afin d’illustrer la mise en \u0153uvre empirique de ce protocole, consid\u00e9rons la simulation d’un protocole exp\u00e9rimental mesurant l’\u00e9volution de performances attentionnelles chez des sujets soumis \u00e0 une t\u00e2che chronom\u00e9tr\u00e9e r\u00e9p\u00e9t\u00e9e au cours de sessions successives. Les donn\u00e9es se composent d’une variable ind\u00e9pendante discr\u00e8te repr\u00e9sentant les sessions exp\u00e9rimentales et d’une variable d\u00e9pendante continue correspondant au temps de r\u00e9action moyen mesur\u00e9 en millisecondes.<\/p>\n

Pour initialiser ce canevas, le chercheur pr\u00e9pare les vecteurs de variables, puis invoque la fonction de base en neutralisant l’ensemble des axes automatiques via les arguments mentionn\u00e9s. L’instruction sp\u00e9cifie explicitement les limites spatiales globales afin d’assurer une couverture visuelle exhaustive, tout en supprimant l’affichage des axes par d\u00e9faut. Le r\u00e9sultat visuel imm\u00e9diat est un espace vierge de toute graduation o\u00f9 seuls les points exp\u00e9rimentaux sont projet\u00e9s avec rigueur. Cette table rase constitue la condition technique absolue pour pouvoir ensuite \u00e9difier une infrastructure d’axes personnalis\u00e9e, exempte de tout chevauchement ou artefact d’interpolation algorithmique.<\/p>\n

\"\"<\/figure>\n

3. Personnalisation discr\u00e8te des intervalles d’axes via des vecteurs de valeurs sp\u00e9cifiques<\/h2>\n

Une fois le canevas exp\u00e9rimental pr\u00e9par\u00e9, l’implantation d’intervalles sp\u00e9cifiques r\u00e9pond souvent au besoin d’afficher des valeurs cibles pr\u00e9cises plut\u00f4t qu’une suite math\u00e9matique abstraite. Cette m\u00e9thode offre une souplesse totale pour marquer des discontinuit\u00e9s ou des rep\u00e8res d’int\u00e9r\u00eat th\u00e9orique majeur.<\/p>\n

3.1 Syntaxe et m\u00e9canisme de la fonction c() au sein de l’argument at<\/h3>\n

Le positionnement direct de graduations discr\u00e8tes s’effectue par l’entremise de l’argument primordial at<\/em> au sein de la fonction axis()<\/em>. Cet argument attend un vecteur num\u00e9rique unidimensionnel, g\u00e9n\u00e9ralement structur\u00e9 \u00e0 l’aide de la fonction d’agr\u00e9gation de base c()<\/em>, \u00e9num\u00e9rant l’ensemble des coordonn\u00e9es exactes o\u00f9 une encoche physique et une \u00e9tiquette textuelle doivent \u00eatre dress\u00e9es sur la figure.<\/p>\n

Le moteur graphique proc\u00e8de \u00e0 une translation bijective entre les valeurs inscrites dans ce vecteur num\u00e9rique et l’espace de coordonn\u00e9es sous-jacent du syst\u00e8me d’affichage. Si une valeur sp\u00e9cifi\u00e9e dans le vecteur d\u00e9passe l’emprise maximale d\u00e9finie lors de l’appel initial, elle est silencieusement ignor\u00e9e par le syst\u00e8me, pr\u00e9servant ainsi l’int\u00e9grit\u00e9 de la fen\u00eatre de tra\u00e7age. Ce comportement permet de concevoir des \u00e9chelles asym\u00e9triques ou \u00e0 pas variable, par exemple pour souligner des zones critiques de la distribution o\u00f9 la concentration d’\u00e9v\u00e9nements exp\u00e9rimentaux est particuli\u00e8rement dense, ou au contraire pour espacer les rep\u00e8res dans les r\u00e9gions d’accalmie comportementale.<\/p>\n

3.2 Exemple pratique : modification cibl\u00e9e de l’axe horizontal (side=1)<\/h3>\n

L’argument positionnel side<\/em> r\u00e9git l’emplacement p\u00e9riph\u00e9rique de l’axe au sein du rectangle d’affichage. La valeur conventionnelle side=1<\/em> fait r\u00e9f\u00e9rence \u00e0 la marge inf\u00e9rieure du graphique, c’est-\u00e0-dire \u00e0 l’axe des abscisses standard. Supposons une recherche en psycholinguistique cognitive analysant les temps de fixation oculaire lors de la lecture d’\u00e9nonc\u00e9s syntaxiquement complexes, o\u00f9 les mesures critiques ont \u00e9t\u00e9 relev\u00e9es \u00e0 des fen\u00eatres temporelles pr\u00e9cises de 1, 5, 10 et 15 secondes apr\u00e8s l’apparition du stimulus visuel.<\/p>\n

Apr\u00e8s avoir g\u00e9n\u00e9r\u00e9 le trac\u00e9 initial avec l’argument neutralisant l’abscisse automatique, l’adjonction de l’axe personnalis\u00e9 s’effectue au moyen de l’appel sp\u00e9cifique combinant side=1<\/em> et un vecteur de localisation int\u00e9grant strictement les valeurs 1, 5, 10 et 15 au sein de l’argument at<\/em>. D\u00e8s lors, le syst\u00e8me ne produit aucune graduation superflue sur les intervalles interm\u00e9diaires non pertinents pour l’hypoth\u00e8se de recherche. La comparaison visuelle entre ce trac\u00e9 cibl\u00e9 et la graduation automatique par d\u00e9faut met en exergue un gain significatif de concision : l’attention du lecteur est imm\u00e9diatement canalis\u00e9e vers les rep\u00e8res temporels structurants du protocole sans dispersion cognitive.<\/p>\n

3.3 Exemple pratique : ciblage des seuils cliniques sur l’axe vertical (side=2)<\/h3>\n

Dans de nombreuses disciplines biom\u00e9dicales et psychom\u00e9triques, les variables d\u00e9pendantes sont mesur\u00e9es via des inventaires cliniques dont l’interpr\u00e9tation repose sur des scores de coupure internationalement valid\u00e9s. Prenons le cas d’une \u00e9tude \u00e9valuant des scores d’anxi\u00e9t\u00e9 au moyen d’un instrument psychom\u00e9trique \u00e9talonn\u00e9 de 0 \u00e0 60, pour lequel les consensus diagnostiques fixent des seuils distincts de symptomatologie l\u00e9g\u00e8re (score de 10), mod\u00e9r\u00e9e (score de 25) et s\u00e9v\u00e8re (score de 40).<\/p>\n

Pour mat\u00e9rialiser ces paliers diagnostiques sur l’axe vertical, l’op\u00e9rateur recourt \u00e0 la fonction d’axe en pr\u00e9cisant l’argument side=2<\/em>, qui d\u00e9signe la marge gauche du trac\u00e9. En fixant l’argument at<\/em> sur le vecteur combinant les seuils d’int\u00e9r\u00eat clinique (par exemple 0, 10, 25, 40 et 60), les marques d’axe s’alignent fid\u00e8lement sur la nosographie de l’affection \u00e9tudi\u00e9e. Les tirets ne r\u00e9pondent plus \u00e0 un d\u00e9coupage arithm\u00e9tique d\u00e9nu\u00e9 de sens m\u00e9dical, mais structurent activement la lecture des trajectoires de patients, rendant imm\u00e9diatement perceptible le franchissement d’un seuil critique lors d’une intervention th\u00e9rapeutique.<\/p>\n

4. Automatisation des graduations r\u00e9guli\u00e8res : utilisation avanc\u00e9e de seq() pour les intervalles<\/h2>\n

Bien que la d\u00e9finition discr\u00e8te soit id\u00e9ale pour des points de coupure sp\u00e9cifiques, la majorit\u00e9 des repr\u00e9sentations quantitatives exige des \u00e9chelles m\u00e9triques lin\u00e9aires pourvues d’un pas d’\u00e9chantillonnage r\u00e9gulier et hautement reproductible. L’imbrication de la fonction g\u00e9n\u00e9ratrice de suites num\u00e9riques constitue l’approche programmatique la plus robuste pour atteindre ce standard.<\/p>\n

4.1 Principes de g\u00e9n\u00e9ration de s\u00e9quences num\u00e9riques r\u00e9guli\u00e8res pour les \u00e9chelles<\/h3>\n

L’utilisation de la fonction seq()<\/em> au sein du syst\u00e8me graphique de R offre une flexibilit\u00e9 algorithmique absolue pour param\u00e9trer la densit\u00e9 des intervalles. Cette fonction s’appuie sur trois param\u00e8tres fondamentaux : le point d’origine (from<\/em>), le point de terminaison (to<\/em>) et le pas d’incr\u00e9mentation arithm\u00e9tique (by<\/em>). En injectant dynamiquement cette instruction dans l’argument at<\/em>, l’analyste d\u00e9termine avec une rigueur math\u00e9matique le rythme pr\u00e9cis des graduations sur l’ensemble du continuum consid\u00e9r\u00e9.<\/p>\n

Une alternative \u00e9l\u00e9gante consiste \u00e0 exploiter l’argument length.out<\/em> de la fonction g\u00e9n\u00e9ratrice, qui divise un segment num\u00e9rique donn\u00e9 en un nombre pr\u00e9d\u00e9termin\u00e9 de sous-intervalles \u00e9quidistants. Cette m\u00e9thode s’av\u00e8re particuli\u00e8rement puissante lors de la conception de figures normalis\u00e9es pour des publications, car elle permet de garantir que, quelle que soit l’amplitude globale des mesures, le nombre de rep\u00e8res visuels restera constant d’une planche graphique \u00e0 l’autre. Cette standardisation \u00e9limine les disparit\u00e9s visuelles susceptibles d’alt\u00e9rer la comparaison perceptive entre plusieurs panels de donn\u00e9es.<\/p>\n

4.2 Impl\u00e9mentation d’un quadrillage r\u00e9gulier sur l’axe des ordonn\u00e9es<\/h3>\n

La calibration d’un axe vertical de performance cognitive, s’\u00e9tendant par exemple de 0 \u00e0 100 pour cent de r\u00e9ponses correctes, illustre l’int\u00e9r\u00eat m\u00e9thodologique de l’incr\u00e9mentation s\u00e9quentielle. Si l’automate graphique standard choisit fr\u00e9quemment des paliers de 20 unit\u00e9s, l’exp\u00e9rimentateur peut souhaiter impl\u00e9menter une finesse de lecture sup\u00e9rieure par tranches de 10 unit\u00e9s pour d\u00e9tecter des variations subtiles entre plusieurs conditions de charge cognitive.<\/p>\n

L’int\u00e9gration de la s\u00e9quence d\u00e9finie de 0 \u00e0 100 avec un pas de 10 unit\u00e9s sur l’axe vertical (side=2<\/em>) produit un rythme graphique homog\u00e8ne. Il convient n\u00e9anmoins d’\u00e9valuer la densit\u00e9 visuelle r\u00e9sultante afin de pr\u00e9venir tout encombrement typographique. La multiplication excessive de tirets peut engendrer une saturation perceptive d\u00e9l\u00e9t\u00e8re. Le choix du pas doit r\u00e9sulter d’un arbitrage minutieux entre la r\u00e9solution analytique n\u00e9cessaire et l’\u00e9puration visuelle prescrite par les canons de la communication scientifique.<\/p>\n

4.3 Combinaison simultan\u00e9e de s\u00e9quences sur l’abscisse et l’ordonn\u00e9e<\/h3>\n

L’harmonie globale d’une figure d\u00e9pend de la coordination structurelle des deux dimensions de l’espace graphique. L’utilisation conjointe de s\u00e9quences programm\u00e9es sur l’axe horizontal et sur l’axe vertical garantit le respect scrupuleux des ratios d’aspect et pr\u00e9vient toute distorsion visuelle dans l’analyse des r\u00e9gressions ou des corr\u00e9lations bivari\u00e9es.<\/p>\n

Pour concevoir un script totalement dynamique, il est fortement recommand\u00e9 d’indexer les arguments from<\/em> et to<\/em> sur les fonctions descriptives fondamentales calcul\u00e9es directement \u00e0 partir du jeu de donn\u00e9es, telles que les valeurs minimales et maximales arrondies \u00e0 l’entier le plus proche. En liant le domaine des graduations \u00e0 la dispersion empirique des observations, le code R conserve une reproductibilit\u00e9 totale en cas d’actualisation de la base de donn\u00e9es ou de r\u00e9plication de l’exp\u00e9rience sur une cohorte ult\u00e9rieure, garantissant une automatisation p\u00e9renne du rendu visuel sans intervention manuelle corrective.<\/p>\n

5. Param\u00e9trage g\u00e9om\u00e9trique et orientation des graduations avec les arguments side, las et tck<\/h2>\n

La simple disposition math\u00e9matique des rep\u00e8res d’axes ne suffit pas \u00e0 garantir leur efficacit\u00e9 communicationnelle. La micro-g\u00e9om\u00e9trie des tirets, leur orientation spatiale et la disposition typographique des \u00e9tiquettes textuelles repr\u00e9sentent des d\u00e9terminants majeurs de l’ergonomie visuelle globale.<\/p>\n

5.1 Contr\u00f4le de la position spatiale des axes avec l’argument side<\/h3>\n

L’architecture interne du moteur graphique de R mod\u00e9lise la zone de tra\u00e7age comme un rectangle circonscrit par quatre marges p\u00e9riph\u00e9riques universellement num\u00e9rot\u00e9es dans le sens des aiguilles d’une montre : le chiffre 1 d\u00e9signe le bord inf\u00e9rieur (abscisse principale), le chiffre 2 identifie le flanc gauche (ordonn\u00e9e principale), le chiffre 3 correspond au bord sup\u00e9rieur, et le chiffre 4 d\u00e9signe le flanc lat\u00e9ral droit. Cette nomenclature offre une polyvalence graphique remarquable pour la construction de repr\u00e9sentations bi-dimensionnelles enrichies.<\/p>\n

Dans les protocoles de psychologie exp\u00e9rimentale complexe ou d’\u00e9lectrophysiologie, il est fr\u00e9quent de recourir \u00e0 des axes secondaires positionn\u00e9s sur les c\u00f4t\u00e9s 3 et 4 pour superposer deux \u00e9chelles de lecture distinctes mais conceptuellement li\u00e9es. Par exemple, un chercheur peut projeter des mesures brutes de potentiels \u00e9voqu\u00e9s sur l’ordonn\u00e9e gauche (side=2<\/em>) tout en mat\u00e9rialisant leur conversion en scores standardis\u00e9s (unit\u00e9s z) sur la bordure droite (side=4<\/em>). L’exploitation rigoureuse des quatre points cardinaux du trac\u00e9 permet d’enrichir consid\u00e9rablement la quantit\u00e9 d’informations transmises sans surcharger la zone centrale d’interaction des donn\u00e9es.<\/p>\n

5.2 Gestion de l’orientation des \u00e9tiquettes de texte avec l’argument las<\/h3>\n

L’un des d\u00e9fis ergonomiques r\u00e9currents dans la construction d’axes verticaux r\u00e9side dans l’inclinaison par d\u00e9faut des \u00e9tiquettes num\u00e9riques, qui sont fr\u00e9quemment positionn\u00e9es parall\u00e8lement \u00e0 la ligne d’axe, contraignant le lecteur \u00e0 une torsion inconfortable de la t\u00eate ou \u00e0 un effort de rotation mentale. L’argument las<\/em> (pour label style<\/em>) r\u00e9git pr\u00e9cis\u00e9ment cette cin\u00e9matique typographique au travers de quatre valeurs enti\u00e8res fondamentales : 0 pour une orientation syst\u00e9matiquement parall\u00e8le \u00e0 l’axe, 1 pour une orientation rigoureusement horizontale en toute circonstance, 2 pour un alignement perpendiculaire \u00e0 la bordure de l’axe, et 3 pour une orientation strictement verticale.<\/p>\n

L’adoption quasi-syst\u00e9matique de la configuration las=1<\/em> est pr\u00e9conis\u00e9e par les experts internationaux de la visualisation de donn\u00e9es. En for\u00e7ant l’horizontalit\u00e9 des \u00e9tiquettes, y compris sur l’axe vertical des ordonn\u00e9es, le concepteur garantit une lecture imm\u00e9diate, naturelle et fluide des valeurs quantitatives. Toutefois, cette orientation horizontale impose d’accro\u00eetre la largeur de la marge correspondante afin d’\u00e9viter que les nombres \u00e0 plusieurs chiffres ne viennent buter contre le bord externe de la fen\u00eatre graphique ou ne soient tronqu\u00e9s par le p\u00e9riph\u00e9rique d’affichage.<\/p>\n

5.3 Modification de la longueur et de la direction des tirets avec tck et tcl<\/h3>\n

Les tirets de graduation (tick marks<\/em>) peuvent \u00eatre minutieusement sculpt\u00e9s \u00e0 l’aide de deux param\u00e8tres distincts du moteur graphique : les arguments tck<\/em> et tcl<\/em>. La nuance technique entre ces deux options r\u00e9side dans l’unit\u00e9 de mesure employ\u00e9e pour d\u00e9finir l’extension de la ligne du tiret. L’argument tck<\/em> sp\u00e9cifie la longueur du tiret en proportion relative de la zone de tra\u00e7age globale (une valeur positive pointant vers l’int\u00e9rieur du trac\u00e9, une valeur n\u00e9gative pointant vers l’ext\u00e9rieur), tandis que tcl<\/em> quantifie cette longueur par rapport \u00e0 la hauteur d’une ligne de texte standard.<\/p>\n

Dans la typographie scientifique d’\u00e9lite, il est g\u00e9n\u00e9ralement d’usage de privil\u00e9gier des tirets courts orient\u00e9s vers l’ext\u00e9rieur (obtenus par exemple avec une valeur de tcl=-0.3<\/em> ou tck=-0.02<\/em>) afin d’emp\u00eacher que les marques ne viennent interf\u00e9rer visuellement avec les points de donn\u00e9es situ\u00e9s \u00e0 proximit\u00e9 imm\u00e9diate des bordures. Dans certains contextes \u00e9ditoriaux tr\u00e8s sp\u00e9cifiques ou pour cr\u00e9er des figures de style tableau de bord contemporain, la neutralisation compl\u00e8te des tirets par l’attribution de la valeur z\u00e9ro permet de concevoir des axes \u00e9pur\u00e9s o\u00f9 seule subsiste la r\u00e9gularit\u00e9 textuelle des \u00e9tiquettes.<\/p>\n

\"\"<\/figure>\n

6. \u00c9tiquetage personnalis\u00e9 et formatage num\u00e9rique des intervalles avec l’argument labels<\/h2>\n

La position physique d’une graduation n’est pas obligatoirement asservie \u00e0 l’affichage de sa valeur num\u00e9rique brute. La dissociation compl\u00e8te entre les coordonn\u00e9es structurales et les symboles textuels projet\u00e9s d\u00e9cuple le potentiel expressif des graphiques scientifiques.<\/p>\n

6.1 Dissociation entre les positions g\u00e9om\u00e9triques et les \u00e9tiquettes textuelles<\/h3>\n

La dissociation entre la structure g\u00e9om\u00e9trique et l’habillage s\u00e9mantique s’op\u00e8re par la collaboration des arguments at<\/em> et labels<\/em> au sein de la fonction d’axe. Alors que l’argument at<\/em> stipule imp\u00e9rativement les coordonn\u00e9es math\u00e9matiques r\u00e9elles dans l’espace m\u00e9trique du graphique, l’argument labels<\/em> re\u00e7oit quant \u00e0 lui un vecteur de cha\u00eenes de caract\u00e8res qui seront imprim\u00e9es exactement \u00e0 l’aplomb de chaque rep\u00e8re correspondant.<\/p>\n

Cette distinction s’av\u00e8re particuli\u00e8rement f\u00e9conde dans le traitement des variables ordinales ou des \u00e9chelles qualitatives discr\u00e8tes. Ainsi, des scores entiers sous-jacents peuvent \u00eatre traduits visuellement par des concepts s\u00e9mantiques compr\u00e9hensibles au premier coup d’\u0153il, sans n\u00e9cessiter la consultation fastidieuse d’une l\u00e9gende ext\u00e9rieure. Une contrainte informatique rigoureuse doit cependant \u00eatre scrupuleusement observ\u00e9e : la dimension vectorielle du param\u00e8tre labels<\/em> doit concorder de mani\u00e8re exacte avec la longueur du vecteur fourni \u00e0 l’argument at<\/em>. Toute asym\u00e9trie dimensionnelle entra\u00eene soit un recyclage erron\u00e9 des \u00e9tiquettes textuelles par le moteur R, soit une erreur d’ex\u00e9cution interrompant le script de rendu.<\/p>\n

6.2 Formatage typographique et notation math\u00e9matique des graduations<\/h3>\n

L’exactitude formelle d’une publication de haut niveau exige fr\u00e9quemment l’int\u00e9gration de notations math\u00e9matiques complexes, de fractions, de lettres grecques ou d’unit\u00e9s de mesure psychophysiques \u00e9labor\u00e9es. Le syst\u00e8me graphique natif de R excelle dans ce domaine gr\u00e2ce \u00e0 la prise en charge native de la fonction expression()<\/em> au sein du vecteur d’\u00e9tiquetage.<\/p>\n

L’utilisation d’expressions math\u00e9matiques permet d’ins\u00e9rer sans difficult\u00e9 des exposants, des indices ou des symboles d’\u00e9cart-type directement sur les encoches de graduation. Parall\u00e8lement, le formatage rigoureux des valeurs d\u00e9cimales repr\u00e9sente un imp\u00e9ratif de pr\u00e9cision : l’affichage h\u00e9t\u00e9rog\u00e8ne de nombres comportant tant\u00f4t une d\u00e9cimale, tant\u00f4t deux, d\u00e9grade l’aspect professionnel d’une figure. L’imbrication judicieuse de la fonction de formatage textuel sprintf()<\/em> garantit une harmonie typographique irr\u00e9prochable en verrouillant un nombre fixe de d\u00e9cimales apr\u00e8s la virgule, renfor\u00e7ant ainsi la rigueur formelle de la communication statistique.<\/p>\n

6.3 Exemple pratique : \u00e9tiquetage d’une \u00e9chelle ordinale de Likert<\/h3>\n

Les enqu\u00eates psychosociales et les protocoles psychom\u00e9triques s’appuient massivement sur des \u00e9chelles d’\u00e9valuation ordinale de type Likert en cinq ou sept points. Si le statisticien manipule en interne des entiers arbitraires s’\u00e9tendant de 1 \u00e0 5 pour r\u00e9aliser ses mod\u00e9lisations lin\u00e9aires, la communication des r\u00e9sultats gagne en transparence lorsque ces entiers sont transcrits par leurs ancrages verbaux explicites.<\/p>\n

Pour construire une telle figure, l’op\u00e9rateur configure l’argument at<\/em> sur l’ensemble discret de 1 \u00e0 5, tandis que l’argument labels<\/em> re\u00e7oit un vecteur de libell\u00e9s textuels articul\u00e9s de fa\u00e7on croissante, allant de l’ancrage minimal au p\u00f4le d’adh\u00e9sion maximal. \u00c9tant donn\u00e9 l’encombrement spatial g\u00e9n\u00e9r\u00e9 par des formulations textuelles d\u00e9velopp\u00e9es, il devient indispensable d’ajuster l’orientation via las=2<\/em> ou las=1<\/em> et d’\u00e9tendre la marge d’accueil correspondante par le biais de la commande globale des param\u00e8tres graphiques, garantissant une disposition typographique limpide sans troncature des termes p\u00e9riph\u00e9riques.<\/p>\n

7. Gestion des axes continus complexes : \u00e9chelles logarithmiques et transformations de variables<\/h2>\n

Les distributions empiriques ne se conforment pas toujours aux postulats de lin\u00e9arit\u00e9 de l’espace euclidien. Les processus sensoriels, les dynamiques \u00e9lectrophysiologiques ou les temps de latence cognitive exigent fr\u00e9quemment des conversions non lin\u00e9aires qui complexifient le param\u00e9trage des intervalles d’axes.<\/p>\n

7.1 Calibration des graduations sur les \u00e9chelles logarithmiques<\/h3>\n

Dans l’\u00e9cosyst\u00e8me graphique natif de R, l’application d’une \u00e9chelle logarithmique peut \u00eatre d\u00e9clar\u00e9e directement au sein de la fonction de tra\u00e7age de base par le biais de l’argument log=’x’<\/em>, log=’y’<\/em> ou log=’xy’<\/em>. Cependant, le comportement automatique du moteur graphique face \u00e0 une variable transform\u00e9e tend souvent \u00e0 produire des graduations fond\u00e9es sur des puissances enti\u00e8res ou des subdivisions logarithmiques parfois d\u00e9routantes pour un lectorat non math\u00e9maticien.<\/p>\n

Lorsqu’un chercheur neutralise les axes automatiques sur une projection logarithmique pour implanter ses propres rep\u00e8res avec axis()<\/em>, il est capital de comprendre que l’argument at<\/em> attend les valeurs exprim\u00e9es dans l’\u00e9chelle d’origine des donn\u00e9es (et non leurs logarithmes calcul\u00e9s), car le syst\u00e8me graphique op\u00e8re la d\u00e9formation g\u00e9om\u00e9trique de mani\u00e8re transparente en sous-main. L’exp\u00e9rimentateur peut d\u00e8s lors injecter une s\u00e9quence de puissances de dix (par exemple 1, 10, 100, 1000) ou des multiples constants, puis configurer les \u00e9tiquettes correspondantes sous forme de notations exponentielles gr\u00e2ce \u00e0 la fonction expression()<\/em>, conf\u00e9rant ainsi \u00e0 l’axe une lisibilit\u00e9 conforme aux meilleurs standards de la litt\u00e9rature scientifique.<\/p>\n

7.2 Graduations primaires et secondaires pour les distributions asym\u00e9triques<\/h3>\n

Les temps de r\u00e9action chronom\u00e9triques mesur\u00e9s au niveau cognitif pr\u00e9sentent syst\u00e9matiquement une asym\u00e9trie positive prononc\u00e9e (queue de distribution \u00e9tir\u00e9e vers la droite), caract\u00e9ris\u00e9e par une forte densit\u00e9 d’observations sur les latences br\u00e8ves et une dispersion \u00e9tendue sur les temps longs. L’affichage d’un pas d’intervalle uniforme s’av\u00e8re dans ce contexte sous-optimal : il sature la zone critique des temps rapides et appauvrit la visualisation des latences extr\u00eames.<\/p>\n

Pour r\u00e9soudre ce dilemme, l’\u00e9laboration d’un syst\u00e8me \u00e0 double niveau de graduation repr\u00e9sente la solution m\u00e9thodologique optimale. L’analyste proc\u00e8de par appels successifs de la fonction axis()<\/em> : un premier appel configure les rep\u00e8res majeurs pourvus de tirets longs et d’\u00e9tiquettes textuelles bien visibles (par exemple par tranches de 250 millisecondes), tandis qu’un second appel trace des rep\u00e8res mineurs plus denses (par pas de 50 millisecondes), caract\u00e9ris\u00e9s par des tirets raccourcis et l’absence d\u00e9lib\u00e9r\u00e9e d’\u00e9tiquettes gr\u00e2ce \u00e0 l’argument labels=FALSE<\/em>. Cette hi\u00e9rarchie visuelle guide le regard de mani\u00e8re intuitive \u00e0 travers les concentrations de densit\u00e9 empirique.<\/p>\n

7.3 Exemple appliqu\u00e9 : analyse de la loi de Stevens en psychophysique<\/h3>\n

La psychophysique quantitative \u00e9tudie la relation formelle unissant l’intensit\u00e9 physique d’une stimulation sensorielle \u00e0 la magnitude de la sensation psychologique per\u00e7ue. Selon la loi de puissance formul\u00e9e par S. S. Stevens, cette relation r\u00e9pond \u00e0 une fonction exponentielle dont l’ajustement lin\u00e9aire classique exige une double transformation logarithmique.<\/p>\n

Dans le cadre d’un script visualisant l’estimation de brillance lumineuse ou de sonie auditive, l’espace graphique est param\u00e9tr\u00e9 en mode bi-logarithmique. Les graduations sont alors minutieusement sculpt\u00e9es pour afficher des rep\u00e8res physiques r\u00e9els (en d\u00e9cibels ou en lumens) sur l’axe des abscisses, tandis que l’axe des ordonn\u00e9es affiche les indices d’estimation subjective. L’alignement strict de ces rep\u00e8res g\u00e9om\u00e9triques sur les puissances fondamentales du stimulus permet d’observer sans distorsion la rectitude de la droite de r\u00e9gression psychophysique, validant ainsi exp\u00e9rimentalement l’exposant th\u00e9orique du mod\u00e8le.<\/p>\n

8. Intervalles temporels et chronologiques : dates, temps de r\u00e9action et s\u00e9ries longitudinales<\/h2>\n

L’analyse des s\u00e9ries temporelles, qu’il s’agisse de suivis cliniques longitudinaux s’\u00e9tendant sur des mois ou d’enregistrements neurophysiologiques \u00e0 haute r\u00e9solution temporelle en millisecondes, confronte le chercheur \u00e0 des contraintes de p\u00e9riodicit\u00e9 sp\u00e9cifiques.<\/p>\n

8.1 Utilisation de la fonction sp\u00e9cialis\u00e9e axis.Date() pour les axes temporels<\/h3>\n

Lorsque la variable port\u00e9e en abscisse est instanci\u00e9e sous la classe canonique Date<\/em> de R, l’invocation de la fonction g\u00e9n\u00e9rique d’axe peut produire des anomalies de conversion arithm\u00e9tique, le moteur interne traitant parfois les objets temporels comme un nombre entier de jours \u00e9coul\u00e9s depuis le point d’\u00e9poque de r\u00e9f\u00e9rence. Pour surmonter cette limitation, l’environnement de base propose la fonction sp\u00e9cialis\u00e9e axis.Date()<\/em>.<\/p>\n

Cette fonction d\u00e9di\u00e9e interpr\u00e8te nativement la structure calendaire des donn\u00e9es. Elle permet d’assigner \u00e0 l’argument at<\/em> des s\u00e9quences temporelles g\u00e9n\u00e9r\u00e9es via la commande \u00e9tendue seq.Date()<\/em>, autorisant la d\u00e9finition directe d’intervalles exprim\u00e9s en unit\u00e9s s\u00e9mantiques intuitives telles que les jours, les semaines, les mois ou les trimestres d’\u00e9valuation. De surcro\u00eet, le param\u00e8tre format<\/em> encapsule les conventions standards de mise en forme temporelle, permettant de styliser l’affichage textuel des graduations (par exemple afficher le mois sous forme abr\u00e9g\u00e9e suivi de l’ann\u00e9e civile) avec une souplesse typographique absolue.<\/p>\n

8.2 Ajustement des intervalles sur des variables continues en millisecondes<\/h3>\n

\u00c0 l’autre extr\u00e9mit\u00e9 du spectre chronologique, les paradigmes de chronom\u00e9trie mentale issus de la psychologie cognitive analysent des variations de latence oscillant \u00e0 l’\u00e9chelle de la milliseconde. Dans l’\u00e9tude des potentiels \u00e9voqu\u00e9s visuels ou des paradigmes de d\u00e9cision lexicale, le d\u00e9cours temporel d’int\u00e9r\u00eat s’\u00e9tend g\u00e9n\u00e9ralement de -200 millisecondes (p\u00e9riode de ligne de base pr\u00e9-stimulus) \u00e0 +800 millisecondes post-stimulation.<\/p>\n

La calibration d’un tel axe horizontal requiert l’\u00e9radication des divisions automatiques au profit d’un ancrage strict sur l’instant z\u00e9ro de d\u00e9livrance du stimulus. L’op\u00e9rateur param\u00e8tre une s\u00e9quence d\u00e9butant pr\u00e9cis\u00e9ment \u00e0 l’origine th\u00e9orique et progressant selon des incr\u00e9ments constants correspondant aux fen\u00eatres de traitement cortical identifi\u00e9es dans la litt\u00e9rature empirique (par exemple les composants pr\u00e9coces N100, P200 ou la positivit\u00e9 tardive P300). La pr\u00e9sence obligatoire d’une marque d’axe sur le point z\u00e9ro constitue une exigence fondamentale pour l’interpr\u00e9tation chronom\u00e9trique des cascades attentionnelles.<\/p>\n

8.3 Exemple concret : suivi th\u00e9rapeutique longitudinal sur plusieurs mois<\/h3>\n

Pour mat\u00e9rialiser l’application de ces principes sur des s\u00e9ries cliniques, examinons le suivi d’une cohorte de patients engag\u00e9s dans un protocole de rem\u00e9diation cognitive sur une dur\u00e9e de six mois, avec des \u00e9valuations hebdomadaires de l’humeur et du fonctionnement ex\u00e9cutif. L’affichage automatique des dates hebdomadaires produit une saturation graphique illisible par empilement des mentions textuelles sur l’axe inf\u00e9rieur.<\/p>\n

La strat\u00e9gie m\u00e9thodique consiste \u00e0 projeter l’ensemble des points hebdomadaires tout en bridant l’axe inf\u00e9rieur gr\u00e2ce \u00e0 axis.Date()<\/em> pour ne faire appara\u00eetre que les jalons mensuels cardinaux. En associant une s\u00e9quence cal\u00e9e sur le premier jour de chaque mois civil et un format typographique \u00e9pur\u00e9, le trac\u00e9 gagne instantan\u00e9ment en lisibilit\u00e9. L’\u00e9volution temporelle des scores individuels ou agr\u00e9g\u00e9s s’inscrit d\u00e8s lors dans un cadre chronologique limpide o\u00f9 l’observateur distingue ais\u00e9ment les inflexions th\u00e9rapeutiques majeures sans \u00eatre distrait par le fourmillement des dates interm\u00e9diaires.<\/p>\n

9. D\u00e9limitation des bornes et synchronisation avec xlim, ylim et xaxs\/yaxs<\/h2>\n

Un contr\u00f4le parfait des intervalles d’axes ne peut \u00eatre dissoci\u00e9 de la gestion des fronti\u00e8res globales de la fen\u00eatre graphique. Des interactions m\u00e9connues entre l’algorithme d’expansion des marges et les param\u00e8tres de limites peuvent compromettre la pr\u00e9cision des graduations souhait\u00e9es.<\/p>\n

9.1 R\u00f4le de xlim et ylim dans la d\u00e9finition de l’emprise des intervalles<\/h3>\n

Les arguments xlim<\/em> et ylim<\/em> constituent les r\u00e9gulateurs d’emprise spatiale de haut niveau pass\u00e9s \u00e0 la fonction de tra\u00e7age de base. Ils stipulent de fa\u00e7on cat\u00e9gorique les coordonn\u00e9es extr\u00eames au sein desquelles le moteur de rendu projette l’information visuelle. La coh\u00e9rence entre ces limites d\u00e9clar\u00e9es et les s\u00e9quences inject\u00e9es ult\u00e9rieurement dans l’argument at<\/em> de la fonction d’axe doit \u00eatre rigoureuse.<\/p>\n

Si un analyste d\u00e9finit par inadvertance une s\u00e9quence de graduations dont les bornes exc\u00e8dent la plage circonscrite par xlim<\/em> ou ylim<\/em>, les tirets extralimitrophes sont syst\u00e9matiquement supprim\u00e9s par le moteur de d\u00e9coupage (clipping<\/em>). Inversement, si la plage d\u00e9limit\u00e9e est excessivement large par rapport au domaine des graduations personnalis\u00e9es, l’axe appara\u00eetra flottant, laissant des portions vides inesth\u00e9tiques en bordure de cadre. Une synchronisation m\u00e9thodique implique donc de coordonner les variables de bornage du mod\u00e8le afin que les extr\u00eames de la s\u00e9quence d’axe co\u00efncident harmonieusement avec les limites d’affichage fix\u00e9es.<\/p>\n

9.2 Suppression de l’extension automatique de 4% avec xaxs=’i’ et yaxs=’i’<\/h3>\n

L’une des singularit\u00e9s les plus trompeuses du syst\u00e8me graphique de R r\u00e9side dans son comportement par d\u00e9faut d’extension marginale. Par construction, le logiciel applique un \u00e9tirement automatique d’environ 4 pour cent de chaque c\u00f4t\u00e9 des plages sp\u00e9cifi\u00e9es par xlim<\/em> et ylim<\/em> (un mode d\u00e9nomm\u00e9 techniquement le style d’axe r\u00e9gulier, encod\u00e9 par la valeur xaxs=’r’<\/em> et yaxs=’r’<\/em>). Ce m\u00e9canisme vise \u00e0 \u00e9viter que des donn\u00e9es situ\u00e9es sur les extrema ne viennent heurter la bordure de la bo\u00eete englobante.<\/p>\n

Cependant, dans de nombreux contextes scientifiques, cette marge r\u00e9siduelle de 4 pour cent emp\u00eache un calage parfait des graduations aux extr\u00e9mit\u00e9s exactes du graphique, cr\u00e9ant un espace r\u00e9siduel ind\u00e9sirable entre le dernier tiret et l’angle du cadre. Pour forcer le syst\u00e8me \u00e0 respecter strictement les bornes indiqu\u00e9es sans la moindre expansion arbitraire, il est imp\u00e9ratif de d\u00e9clarer les arguments xaxs=’i’<\/em> et yaxs=’i’<\/em> (le mode interne). Sous cette configuration rigoureuse, la ligne d’axe et ses graduations d\u00e9marrent et s’interrompent avec une pr\u00e9cision chirurgicale sur les valeurs exactes transmises \u00e0 xlim<\/em> et ylim<\/em>.<\/p>\n

9.3 \u00c9tude de cas : alignement strict d’un z\u00e9ro absolu pour des donn\u00e9es de fr\u00e9quence<\/h3>\n

L’int\u00e9r\u00eat de la neutralisation de l’extension d’axe appara\u00eet particuli\u00e8rement lors de la repr\u00e9sentation de donn\u00e9es de fr\u00e9quences, de pourcentages d’erreurs ou de concentrations biochimiques, pour lesquelles la valeur z\u00e9ro poss\u00e8de un statut de z\u00e9ro absolu naturel ne tol\u00e9rant aucun artefact de projection visuelle flottante. Un graphique conventionnel montrant des taux d’erreurs au-dessus d’un axe horizontal d\u00e9cal\u00e9 vers le bas peut cr\u00e9er l’illusion trompeuse que des valeurs n\u00e9gatives sont th\u00e9oriquement envisageables.<\/p>\n

Pour illustrer ce cas, configurons un canevas graphique d\u00e9di\u00e9 au trac\u00e9 de taux d’erreurs s’\u00e9tendant de 0 \u00e0 50 pour cent. En assignant l’argument ylim=c(0, 50)<\/em> conjointement \u00e0 l’instruction yaxs=’i’<\/em> et en neutralisant l’axe automatique, l’ordonn\u00e9e trac\u00e9e manuellement ancre son origine au niveau g\u00e9om\u00e9trique exact du niveau z\u00e9ro. L’axe des abscisses vient couper l’ordonn\u00e9e perpendiculairement \u00e0 son point d’origine v\u00e9ritable. Cette construction conf\u00e8re \u00e0 la figure une rigueur math\u00e9matique irr\u00e9prochable, supprimant tout flou visuel quant \u00e0 la positivit\u00e9 stricte de l’espace m\u00e9trique repr\u00e9sent\u00e9.<\/p>\n

\"\"<\/figure>\n

10. Extension aux graphiques multivari\u00e9s et sous-graphiques : gestion globale avec par()<\/h2>\n

La conception d’articles de recherche exige r\u00e9guli\u00e8rement l’assemblage de figures composites rassemblant plusieurs panels comparatifs au sein d’une m\u00eame planche visuelle. La standardisation des \u00e9chelles d’axes devient alors une condition sine qua non de la validit\u00e9 des comparaisons inter-groupes.<\/p>\n

10.1 Coordination des intervalles au sein d’une matrice mfrow ou mfcol<\/h3>\n

L’organisation matricielle de sous-graphiques s’op\u00e8re de fa\u00e7on privil\u00e9gi\u00e9e via les param\u00e8tres globaux mfrow<\/em> ou mfcol<\/em> configur\u00e9s en amont par la commande d’environnement par()<\/em>. Dans une telle structure multi-panneaux, l’\u00e9cueil m\u00e9thodologique majeur consisterait \u00e0 laisser l’automate calculer ind\u00e9pendamment les graduations de chaque volet : des variations minimes de variance entre les conditions exp\u00e9rimentales produiraient des rep\u00e8res d\u00e9synchronis\u00e9s, invalidant toute lecture synoptique imm\u00e9diate.<\/p>\n

L’impl\u00e9mentation m\u00e9thodique impose d’homog\u00e9n\u00e9iser les intervalles sur l’ensemble de la grille graphique. L’exp\u00e9rimentateur extrait pr\u00e9alablement les bornes absolues couvrant la totalit\u00e9 des sous-groupes \u00e9tudi\u00e9s (par exemple en calculant les extrema globaux de la variable d\u00e9pendante sur l’ensemble de la cohorte), puis applique une boucle it\u00e9rative appliquant syst\u00e9matiquement les m\u00eames valeurs limites et la m\u00eame s\u00e9quence vectorielle au sein des fonctions axis()<\/em> de chaque sous-graphique. Cette coordination visuelle garantit que des distances g\u00e9om\u00e9triques identiques sur le papier correspondent fid\u00e8lement \u00e0 des magnitudes d’effet rigoureusement \u00e9quivalentes \u00e0 travers toutes les conditions exp\u00e9rimentales.<\/p>\n

10.2 Gestion des marges graphiques globales avec par(mar) et par(mgp)<\/h3>\n

Le raffinement de la disposition d’un axe requiert une ma\u00eetrise avanc\u00e9e de l’allocation spatiale des marges via l’argument matriciel mar<\/em> et du positionnement relatif des composants de l’axe via l’argument mgp<\/em> au sein de la fonction par()<\/em>. L’argument mar<\/em> re\u00e7oit un vecteur de quatre valeurs r\u00e9elles chiffrant l’\u00e9paisseur respective des marges inf\u00e9rieure, gauche, sup\u00e9rieure et droite en nombre de lignes de texte. L’affichage d’\u00e9tiquettes de grandes amplitudes num\u00e9riques ou orient\u00e9es horizontalement (las=1<\/em>) exige couramment d’\u00e9largir la marge gauche au-del\u00e0 de sa valeur par d\u00e9faut.<\/p>\n

Parall\u00e8lement, l’argument mgp<\/em> r\u00e9git la micro-distance s\u00e9parant trois \u00e9l\u00e9ments fondamentaux de l’axe : le titre de l’axe, les \u00e9tiquettes textuelles de graduation, et la ligne mat\u00e9rielle de l’axe elle-m\u00eame. La syntaxe standard attend un triplet num\u00e9rique (par exemple mgp=c(3, 1, 0)<\/em>). En modifiant ces proportions, l’analyste peut rapprocher judicieusement les \u00e9tiquettes des tirets pour compacter l’encombrement global ou, au contraire, les espacer pour \u00e9viter toute collision graphique, optimisant ainsi l’emprise spatiale de la figure selon les normes \u00e9ditoriales les plus strictes.<\/p>\n

10.3 Partage d’axes communs sans r\u00e9p\u00e9tition des graduations<\/h3>\n

Dans une matrice graphique pr\u00e9sentant des distributions comparatives adjacentes, la r\u00e9p\u00e9tition redondante des \u00e9tiquettes d’axes sur chaque volet constitue une source majeure de bruit visuel, en contradiction directe avec le principe d’\u00e9conomie graphique popularis\u00e9 par Edward Tufte (le fameux ratio encre-donn\u00e9es). L’\u00e9limination des axes int\u00e9rieurs superflus permet d’agrandir substantiellement la surface utile consacr\u00e9e \u00e0 la mat\u00e9rialisation des donn\u00e9es r\u00e9elles.<\/p>\n

Pour concr\u00e9tiser cette optimisation, l’architecture du code d\u00e9sactive s\u00e9lectivement les axes sur les sous-graphiques interm\u00e9diaires. Dans une matrice de deux lignes par deux colonnes, par exemple, la fonction axis(side=1, …)<\/em> n’est invoqu\u00e9e que sur les panneaux situ\u00e9s sur la rang\u00e9e la plus basse, tandis que axis(side=2, …)<\/em> n’est d\u00e9clench\u00e9e que pour les figures positionn\u00e9es sur la colonne d’extr\u00eame gauche. Les bordures de marges internes sont parall\u00e8lement r\u00e9duites \u00e0 z\u00e9ro via par(mar=…)<\/em>, cr\u00e9ant un continuum visuel \u00e9l\u00e9gant et parfaitement unifi\u00e9 o\u00f9 une graduation unique guide la lecture de multiples facettes exp\u00e9rimentales.<\/p>\n

11. Comparaison m\u00e9thodologique : syntaxe de base R versus extensions modernes (ggplot2)<\/h2>\n

Si le syst\u00e8me graphique de base demeure une r\u00e9f\u00e9rence absolue pour la personnalisation fine et l’ex\u00e9cution sans d\u00e9pendance logicielle, il est \u00e9clairant de situer sa syntaxe au regard des extensions modernes fond\u00e9es sur la grammaire des graphiques, incarn\u00e9e par le paquet ggplot2<\/a>.<\/p>\n

11.1 Parall\u00e8le conceptuel entre base R et le formalisme de la grammaire des graphiques<\/h3>\n

La divergence entre le moteur de base et l’extension ggplot2<\/em> rel\u00e8ve d’une dichotomie fondamentale entre paradigme imp\u00e9ratif et paradigme d\u00e9claratif. Dans le syst\u00e8me graphique de base de R, la manipulation des intervalles d’axes adopte une logique proc\u00e9durale pas-\u00e0-pas : le chercheur trace d’abord les g\u00e9om\u00e9tries sans axes, puis donne l’ordre explicite d’ajouter un axe sur un c\u00f4t\u00e9 sp\u00e9cifique en fournissant les vecteurs de coordonn\u00e9es physiques. L’utilisateur contr\u00f4le l’outil de dessin comme un traceur technique tra\u00e7ant des segments sur une table \u00e0 dessin.<\/p>\n

\u00c0 l’inverse, l’approche d\u00e9clarative formul\u00e9e par Leland Wilkinson et op\u00e9rationnalis\u00e9e dans l’environnement ggplot2<\/em> appr\u00e9hende l’axe non comme un \u00e9l\u00e9ment graphique autonome ajout\u00e9 a posteriori, mais comme la concr\u00e9tisation visuelle d’une \u00e9chelle m\u00e9trique (un scale<\/em>). L’ajustement des intervalles ne consiste plus \u00e0 dessiner un objet, mais \u00e0 param\u00e9trer les propri\u00e9t\u00e9s intrins\u00e8ques de l’\u00e9chelle au sein de l’instruction scale_x_continuous()<\/em> ou scale_y_continuous()<\/em> par l’interm\u00e9diaire de l’argument formel breaks<\/em>. Bien que conceptuellement plus abstraite, cette m\u00e9thode assure une int\u00e9gration native au mod\u00e8le de donn\u00e9es sous-jacent.<\/p>\n

11.2 Traduction de cas d’usage r\u00e9els : de la base R vers ggplot2<\/h3>\n

Pour un analyste habitu\u00e9 \u00e0 la syntaxe classique d\u00e9sireux d’assurer la translitt\u00e9ration de ses scripts vers les standards du tidyverse<\/em>, la correspondance entre les arguments est directe et hautement structur\u00e9e. L’instruction fondamentale de base utilisant axis(side=1, at=seq(0, 100, by=10), labels=…)<\/em> trouve son \u00e9quivalent fonctionnel exact dans la structure scale_x_continuous(breaks = seq(0, 100, by = 10), labels = …)<\/em> du formalisme d\u00e9claratif.<\/p>\n

Toutefois, des disparit\u00e9s de flexibilit\u00e9 \u00e9mergent \u00e0 l’usage. Si ggplot2<\/em> propose des m\u00e9canismes d’assistance tr\u00e8s performants via des biblioth\u00e8ques satellites (telles que le paquet scales<\/em>) pour la mise en forme mon\u00e9taire, logarithmique ou en pourcentages, la personnalisation chirurgicale atypique (telle que l’adjonction d’un tiret unique asym\u00e9trique ou la suppression arbitraire d’une encoche isol\u00e9e) s’av\u00e8re souvent plus directe et moins contraignante dans le moteur de base. Ce dernier ne subit pas la rigidit\u00e9 des th\u00e8mes standardis\u00e9s et permet des ajustements g\u00e9om\u00e9triques ad hoc d’une libert\u00e9 totale sans devoir surcharger le syst\u00e8me de classes de la grammaire sous-jacente.<\/p>\n

11.3 Performance et int\u00e9gration dans des rapports automatis\u00e9s<\/h3>\n

Sur le plan de l’ing\u00e9nierie logicielle et de l’int\u00e9gration dans des cha\u00eenes de production de rapports volumineux (tels que des pipelines de traitement automatis\u00e9 de donn\u00e9es de neuro-imagerie ou de bio-informatique g\u00e9nomique), les graphiques de base conservent des avantages comparatifs d\u00e9terminants. L’argument principal r\u00e9side dans leur rapidit\u00e9 d’ex\u00e9cution brute : le moteur natif ne chargeant aucune couche d’abstraction suppl\u00e9mentaire, il g\u00e9n\u00e8re des graphiques vectoriels avec une v\u00e9locit\u00e9 computationnelle nettement sup\u00e9rieure \u00e0 celle des biblioth\u00e8ques plus r\u00e9centes.<\/p>\n

De surcro\u00eet, le moteur de base b\u00e9n\u00e9ficie d’une stabilit\u00e9 absolue dans le temps. Un script graphique \u00e9labor\u00e9 au d\u00e9but des ann\u00e9es 2000 avec les fonctions fondamentales de tra\u00e7age et de param\u00e9trage d’axes s’ex\u00e9cute encore aujourd’hui sur les versions actuelles de R avec une reproductibilit\u00e9 visuelle rigoureusement identique. Cette p\u00e9rennit\u00e9 du code source constitue un gage de s\u00e9curit\u00e9 fondamental pour les laboratoires de recherche et les structures industrielles soumis \u00e0 des exigences d’audit r\u00e9glementaire et de tra\u00e7abilit\u00e9 d\u00e9cennale.<\/p>\n

12. R\u00e9solution des erreurs courantes et bonnes pratiques de lisibilit\u00e9 dans les publications scientifiques<\/h2>\n

M\u00eame lorsque la syntaxe th\u00e9orique est acquise, l’impl\u00e9mentation pratique se heurte r\u00e9guli\u00e8rement \u00e0 des artefacts d’affichage ou \u00e0 des erreurs d’inattention qui compromettent la recevabilit\u00e9 d’un manuscrit soumis \u00e0 \u00e9valuation par les pairs.<\/p>\n

12.1 Diagnostic des anomalies r\u00e9currentes de trac\u00e9 des axes<\/h3>\n

L’un des dysfonctionnements les plus fr\u00e9quents concerne la troncature pure et simple des \u00e9tiquettes num\u00e9riques de l’axe des ordonn\u00e9es lorsque l’orientation horizontale (las=1<\/em>) est appliqu\u00e9e. L’analyste constate avec d\u00e9pit que les valeurs \u00e9lev\u00e9es (par exemple des milliers) apparaissent amput\u00e9es de leurs chiffres initiaux. Ce probl\u00e8me d\u00e9coule exclusivement d’une insuffisance de l’espace allou\u00e9 par la marge gauche par d\u00e9faut du p\u00e9riph\u00e9rique d’affichage. La r\u00e9solution m\u00e9thodique exige d’intervenir en amont via l’instruction par(mar = c(5, 5, 4, 2))<\/em> en augmentant le deuxi\u00e8me terme du vecteur pour cr\u00e9er le recul spatial indispensable.<\/p>\n

Une autre anomalie classique r\u00e9side dans l’effet visuel de texte gras et baveux observ\u00e9 sur les lignes d’axes et leurs graduations. Ce sympt\u00f4me trahit immanquablement une omission de l’argument neutralisant xaxt=’n’<\/em> ou yaxt=’n’<\/em> lors de l’appel initial \u00e0 la fonction de tra\u00e7age : la fonction d’axe manuelle est alors venue superposer ses propres \u00e9l\u00e9ments sur la graduation par d\u00e9faut pr\u00e9existante, doublant le d\u00e9p\u00f4t de pixels sans le substituer. Enfin, le passage accidentel d’arguments textuels ou de facteurs \u00e0 l’argument at<\/em> (au lieu de coordonn\u00e9es num\u00e9riques pures) produit une erreur d’ex\u00e9cution imm\u00e9diate ou un blocage du tra\u00e7age, rappelant que la g\u00e9om\u00e9trie de positionnement n’accepte que des scalaires quantitatifs r\u00e9els.<\/p>\n

12.2 Directives ergonomiques pour la clart\u00e9 visuelle en psychologie et neurosciences<\/h3>\n

La calibration des axes doit se conformer aux principes cardinaux de la cognition humaine. La c\u00e9l\u00e8bre loi psychologique empirique de Miller relative aux capacit\u00e9s de traitement de la m\u00e9moire de travail (le nombre magique sept plus ou moins deux) trouve une application directe dans la conception graphique : une figure dont l’axe comporte plus de dix graduations majeures surcharge inutilement l’attention s\u00e9lective du lecteur et d\u00e9grade la m\u00e9morisation du patron d’ensemble.<\/p>\n

Il importe \u00e9galement de proscrire les illusions d’optique g\u00e9n\u00e9r\u00e9es par des troncatures d’\u00e9chelles arbitraires. Supprimer la partie inf\u00e9rieure d’un axe vertical pour exag\u00e9rer artificiellement une faible variance inter-groupes constitue une faute m\u00e9thodologique r\u00e9currente fr\u00e9quemment d\u00e9nonc\u00e9e par les comit\u00e9s \u00e9ditoriaux. Sauf imp\u00e9ratif th\u00e9orique explicite, l’\u00e9chelle des ordonn\u00e9es doit s’\u00e9tendre sur une plage refl\u00e9tant fid\u00e8lement l’amplitude r\u00e9elle du ph\u00e9nom\u00e8ne ou le domaine complet de validit\u00e9 psychom\u00e9trique de l’instrument d’\u00e9valuation, pr\u00e9venant ainsi toute distorsion cognitive de la taille d’effet.<\/p>\n

12.3 Check-list finale pour des graphiques pr\u00eats pour la soumission en revue \u00e0 comit\u00e9 de lecture<\/h3>\n

Avant d’exporter d\u00e9finitivement une figure destin\u00e9e \u00e0 enrichir un manuscrit acad\u00e9mique, le chercheur m\u00e9thodique doit valider point par point un ensemble de crit\u00e8res de conformit\u00e9 rigoureux. La v\u00e9rification commence par la coh\u00e9rence entre les valeurs de tirets s\u00e9lectionn\u00e9es et les indicateurs de tendance centrale ou de dispersion \u00e9voqu\u00e9s dans le corps du texte statistique. Les unit\u00e9s de mesure associ\u00e9es aux rep\u00e8res de graduation doivent \u00eatre explicitement explicit\u00e9es sans la moindre ambigu\u00eft\u00e9 terminologique.<\/p>\n

Le second contr\u00f4le porte sur l’homog\u00e9n\u00e9it\u00e9 typographique et le calibrage de l’argument cex.axis<\/em>, qui d\u00e9termine le facteur d’\u00e9chelle multiplicateur de la police de caract\u00e8res des graduations. \u00c0 la r\u00e9duction d’impression finale op\u00e9r\u00e9e par l’\u00e9diteur de la revue, les textes d’axes doivent conserver une taille strictement lisible et harmonis\u00e9e avec la police du corps de l’article scientifique. Enfin, l’exportation doit imp\u00e9rativement privil\u00e9gier des formats vectoriels encapsul\u00e9s haute r\u00e9solution, tels que le format PDF ou le PostScript encapsul\u00e9 (EPS), au d\u00e9triment des formats matriciels compress\u00e9s, garantissant une conservation int\u00e9grale de la nettet\u00e9 math\u00e9matique des axes et de leurs intervalles, quelle que soit la r\u00e9solution de restitution du support de publication.<\/p>\n

R\u00e9f\u00e9rences<\/h2>\n

Bertin, J. (1967). S\u00e9miologie graphique : Les diagrammes, les r\u00e9seaux, les cartes<\/em>. Gauthier-Villars.<\/p>\n

Cleveland, W. S. (1985). The Elements of Graphing Data<\/em>. Wadsworth Advanced Books and Software.<\/p>\n

Cleveland, W. S. (1993). Visualizing Data<\/em>. Hobart Press.<\/p>\n

Friendly, M., & Denis, D. J. (2005). The early origins and development of the scatterplot. Journal of the History of the Behavioral Sciences<\/em>, 41(2), 103-130. https:\/\/doi.org\/10.1002\/jhbs.20078<\/a><\/p>\n

Murrell, P. (2018). R Graphics<\/em> (3rd ed.). Chapman and Hall\/CRC. https:\/\/doi.org\/10.1201\/9780429443596<\/a><\/p>\n

R Core Team. (2023). R: A Language and Environment for Statistical Computing<\/em>. R Foundation for Statistical Computing, Vienna, Austria. https:\/\/www.R-project.org\/<\/a><\/p>\n

Stevens, S. S. (1957). On the psychophysical law. Psychological Review<\/em>, 64(3), 153-181. https:\/\/doi.org\/10.1037\/h0046162<\/a><\/p>\n

Tufte, E. R. (2001). The Visual Display of Quantitative Information<\/em> (2nd ed.). Graphics Press.<\/p>\n

Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis<\/em> (2nd ed.). Springer-Verlag. https:\/\/doi.org\/10.1007\/978-3-319-24277-4<\/a><\/p>\n

Wilkinson, L. (2005). The Grammar of Graphics<\/em> (2nd ed.). Springer-Verlag. https:\/\/doi.org\/10.1007\/0-387-28695-0<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Guide complet pour modifier les intervalles des axes dans les graphiques R de base \u00e0 l’aide de xaxt, yaxt, axis, seq et c, illustr\u00e9 d’exemples acad\u00e9miques.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[1907,2193],"tags":[6926,3378,6927,2884,2041],"class_list":["post-4953","psych_stat","type-psych_stat","status-publish","hentry","category-methodologie-et-statistiques","category-programmation-r","tag-fonction-axis","tag-graphiques-r","tag-intervalles-axes","tag-r-base","tag-visualisation-de-donnees"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/4953","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_stat"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=4953"}],"version-history":[{"count":1,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/4953\/revisions"}],"predecessor-version":[{"id":16714,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/4953\/revisions\/16714"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=4953"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=4953"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=4953"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}