Package fanalysis

Analyse Factorielle des Correspondances

Ce tutoriel a pour objectif de présenter rapidement les principales fonctionnalités offertes par le package fanalysis pour
réaliser une Analyse Factorielle des Correspondances.
Il suppose connu les soubassements théoriques de cette méthode.
Il ne s'attarde pas non plus sur l'interprétation du jeu de données, qui n'a pour but que de présenter les fonctionnalités du
package.

L'AFC a ici pour but de décrire un fichier de données.

Celui-ci est extrait du site de Ricco Rakotomalala (Université Lyon 2) :
[Link]

Nous partons d'un fichier texte intitulé "ca_data.txt"

On importe la librairie pandas pour charger les données, ainsi que la classe CA du package fanalysis.
Les données sont transformées en matrice de type [Link].

Les données doivent se présenter sous forme de tableau croisé, avec des fréquences absolues (effectifs de chaque cellule).

In [1]: import pandas as pd

from [Link] import CA
%matplotlib inline

In [2]: df = pd.read_table("ca_data.txt", header=0, index_col=0, delimiter="\t", encoding="

utf-8")

In [3]: print(df)

Radio Tel. [Link]. [Link]. [Link]. [Link]

Prof
Agriculteur 96 118 2 71 50 17
[Link]. 122 136 11 76 49 41
[Link] 193 184 74 63 103 79
[Link]. 360 365 63 145 141 184
Employe 511 593 57 217 172 306
[Link]. 385 457 42 174 104 220
[Link]-Qual. 156 185 8 69 42 85
Inactif 1474 1931 181 852 642 782

In [4]: X = df.as_matrix()

On crée une instance de la classe CA, en lui passant ici des étiquettes pour les lignes et les colonnes. Ces paramètres sont
facultatifs ; en leur absence, le programme détermine automatiquement des étiquettes.

In [5]: my_ca = CA(row_labels=[Link], col_labels=[Link])

On estime le modèle en appliquant la méthode fit de la classe CA sur le jeu de données.

Olivier Garcia Package fanalysis - AFC 1 sur 12

 In [6]: my_ca.fit(X)

Out[6]: CA(col_labels=array(['Radio', 'Tel.', '[Link].', '[Link].', '[Link].', 'P

[Link]'], dtype=object),
n_components=None,
row_labels=array(['Agriculteur', '[Link].', '[Link]', '[Link].',
'Employe', '[Link].', '[Link]-Qual.', 'Inactif'], dtype=object),
stats=True)

L'exécution de la méthode my_ca.fit(X) provoque a minima le calcul des attributs :

my\_ca.eig\_ : valeurs propres

my\_ca.row\_coord\_ : coordonnées des points lignes
my\_ca.col\_coord\_ : coordonnées des points colonnes

Analyse des valeurs propres

L'attribut my\_ca.eig\_ contient :

en 1ère ligne : les valeurs propres en valeur absolue

en 2ème ligne : les valeurs propres en pourcentage de la variance totale
en 3ème ligne : les valeurs propres en pourcentage cumulé de la variance totale

In [7]: print(my_ca.eig_)

[[ 1.38572868e-02 7.21068498e-03 8.24731391e-04 3.03851641e-04

8.26930155e-05]
[ 6.21981806e+01 3.23650288e+01 3.70179190e+00 1.36383258e+00
3.71166101e-01]
[ 6.21981806e+01 9.45632094e+01 9.82650013e+01 9.96288339e+01
1.00000000e+02]]

Les valeurs propres peuvent être représentées graphiquement (par défaut : représentation en valeur absolue).

In [8]: my_ca.plot_eigenvalues()

Olivier Garcia Package fanalysis - AFC 2 sur 12

 In [9]: my_ca.plot_eigenvalues(type="percentage")

In [10]: my_ca.plot_eigenvalues(type="cumulative")

Quand l'objet my\_ca a été instancié, son paramètre stats a reçu la valeur True par défaut.
En conséquence, lors de l'exécution de la méthode my\_ca.fit(X), les statistiques suivantes ont été calculées :

my\_ca.row\_contrib\_ : contributions des points lignes à la variance de l'axe

my\_ca.col\_contrib\_ : contributions des points colonnes à la variance de l'axe
my\_ca.row\_cos2\_ : cosinus carrés des points lignes
my\_ca.col\_cos2\_ : cosinus carrés des points colonnes

Si l'on avait souhaité éviter le calcul de ces statistiques pour gagner du temps et économiser des ressources mémoire, il
aurait fallu instancier :
my\_ca = CA(stats=False)

Par défaut, les coordonnées des points lignes et colonnes, leurs contributions et cosinus carrés sont calculés sur l'ensemble
des axes extraits de l'analyse.
On aurait toutefois pu spécifier le nombre d'axes à retenir via le paramètre n_components avec par exemple :
my\_ca = CA(n_components=3)

Extraction des statistiques sur les points lignes

Olivier Garcia Package fanalysis - AFC 3 sur 12

 Export de la totalité des données lignes vers une DataFrame pandas

On peut simplement envoyer vers une Dataframe : les coordonnées, les contributions et les cos2 de chacun des points
lignes, pour tous les axes factoriels (identifiés par les suffixes dim1, dim2, etc.).

In [11]: df_rows = my_ca.row_topandas()

In [12]: print(df_rows)

row_coord_dim1 row_coord_dim2 row_coord_dim3 \

Agriculteur 0.166150 0.309612 -0.071838
[Link]. 0.068377 0.143151 -0.064422
[Link] -0.429976 0.060873 -0.003021
[Link]. -0.106603 -0.032597 -0.030898
Employe 0.015729 -0.095469 -0.005087
[Link]. 0.043713 -0.101379 -0.019323
[Link]-Qual. 0.117797 -0.094864 -0.039728
Inactif 0.032584 0.033395 0.025968

row_coord_dim4 row_coord_dim5 row_contrib_dim1 \

Agriculteur -0.014433 0.021440 5.692772
[Link]. 0.020370 -0.025687 1.184762
[Link] 0.016811 0.011233 74.957901
[Link]. -0.025333 -0.011955 8.327911
Employe -0.020294 0.003462 0.267471
[Link]. 0.035411 -0.001730 1.538298
[Link]-Qual. 0.003493 0.022484 4.405391
Inactif 0.000553 -0.000935 3.625494

row_contrib_dim2 row_contrib_dim3 row_contrib_dim4 \

Agriculteur 37.989221 17.881318 1.958972
[Link]. 9.979255 17.670138 4.795372
[Link] 2.887188 0.062182 5.225667
[Link]. 1.496416 11.755243 21.448281
Employe 18.937575 0.470061 20.308140
[Link]. 15.900944 5.050788 46.039302
[Link]-Qual. 5.490645 8.419296 0.176666
Inactif 7.318755 38.690973 0.047599

row_contrib_dim5 row_cos2_dim1 row_cos2_dim2 row_cos2_dim3 \

Agriculteur 15.885000 0.213512 0.741407 0.039915
[Link]. 28.018010 0.153835 0.674250 0.136552
[Link] 8.573235 0.978183 0.019605 0.000048
[Link]. 17.552234 0.802207 0.075007 0.067393
Employe 2.171116 0.025214 0.928949 0.002637
[Link]. 0.403818 0.138275 0.743745 0.027021
[Link]-Qual. 26.896055 0.555680 0.360381 0.063205
Inactif 0.500533 0.372204 0.390976 0.236406

row_cos2_dim4 row_cos2_dim5
Agriculteur 0.001611 0.003555
[Link]. 0.013653 0.021710
[Link] 0.001495 0.000668
[Link]. 0.045303 0.010090
Employe 0.041978 0.001221
[Link]. 0.090743 0.000217
[Link]-Qual. 0.000489 0.020245
Inactif 0.000107 0.000307

Olivier Garcia Package fanalysis - AFC 4 sur 12

 Statistiques pour les points lignes

In [13]: # Coordonnées des points lignes

print(my_ca.row_coord_)

[[ 0.16614986 0.30961174 -0.07183812 -0.01443258 0.02144011]

[ 0.06837709 0.14315064 -0.0644217 0.02037032 -0.02568674]
[-0.42997558 0.06087258 -0.00302124 0.01681116 0.01123318]
[-0.10660251 -0.03259679 -0.03089814 -0.02533304 -0.01195531]
[ 0.01572857 -0.09546893 -0.00508681 -0.02029446 0.00346168]
[ 0.04371252 -0.1013786 -0.01932335 0.03541129 -0.00173011]
[ 0.11779685 -0.09486419 -0.03972798 0.00349309 0.02248439]
[ 0.0325837 0.03339524 0.02596802 0.00055285 -0.00093525]]

In [14]: # Contributions des points lignes

print(my_ca.row_contrib_)

[[ 5.69277232e+00 3.79892214e+01 1.78813176e+01 1.95897194e+00

1.58850001e+01]
[ 1.18476189e+00 9.97925473e+00 1.76701383e+01 4.79537182e+00
2.80180099e+01]
[ 7.49579010e+01 2.88718751e+00 6.21822742e-02 5.22566729e+00
8.57323474e+00]
[ 8.32791077e+00 1.49641640e+00 1.17552426e+01 2.14482814e+01
1.75522340e+01]
[ 2.67471308e-01 1.89375750e+01 4.70061383e-01 2.03081396e+01
2.17111555e+00]
[ 1.53829776e+00 1.59009442e+01 5.05078817e+00 4.60393024e+01
4.03817678e-01]
[ 4.40539088e+00 5.49064526e+00 8.41929638e+00 1.76666131e-01
2.68960553e+01]
[ 3.62549412e+00 7.31875549e+00 3.86909733e+01 4.75993841e-02
5.00532813e-01]]

In [15]: # Cos2 des points lignes

print(my_ca.row_cos2_)

[[ 2.13511817e-01 7.41407219e-01 3.99146143e-02 1.61105251e-03

3.55529749e-03]
[ 1.53835147e-01 6.74249941e-01 1.36552219e-01 1.36530650e-02
2.17096289e-02]
[ 9.78183352e-01 1.96054203e-02 4.82951781e-05 1.49529881e-03
6.67633606e-04]
[ 8.02207290e-01 7.50069172e-02 6.73932587e-02 4.53029435e-02
1.00895911e-02]
[ 2.52142692e-02 9.28948989e-01 2.63729115e-03 4.19780929e-02
1.22135734e-03]
[ 1.38274790e-01 7.43744603e-01 2.70206674e-02 9.07433300e-02
2.16610023e-04]
[ 5.55680182e-01 3.60381228e-01 6.32048750e-02 4.88626636e-04
2.02450881e-02]
[ 3.72204454e-01 3.90975835e-01 2.36405913e-01 1.07151702e-04
3.06646165e-04]]

Extraction des statistiques sur les points colonnes

Olivier Garcia Package fanalysis - AFC 5 sur 12

 Export de la totalité des données colonnes vers une DataFrame pandas

On peut envoyer vers une Dataframe : les coordonnées, les contributions et les cos2 de chacun des points colonnes, pour
tous les axes factoriels (identifiés par les suffixes dim1, dim2, etc.).

In [16]: df_cols = my_ca.col_topandas()

In [17]: print(df_cols)

col_coord_dim1 col_coord_dim2 col_coord_dim3 col_coord_dim4 \

Radio -0.014940 -0.022106 -0.046702 -0.002662
Tel. 0.053283 -0.002081 0.016453 0.011218
[Link]. -0.540675 0.006207 0.020542 0.039523
[Link]. 0.108828 0.109645 0.005228 0.013042
[Link]. -0.094813 0.132497 0.018758 -0.038309
[Link] 0.009754 -0.161609 0.027141 -0.014518

col_coord_dim5 col_contrib_dim1 col_contrib_dim2 \

Radio 0.000680 0.428700 1.803681
Tel. 0.009850 6.564128 0.019242
[Link]. -0.006617 74.587719 0.018890
[Link]. -0.016560 11.501128 22.435641
[Link]. 0.003719 6.823338 25.608027
[Link] -0.009147 0.094987 50.114518

col_contrib_dim3 col_contrib_dim4 col_contrib_dim5 \

Radio 70.383604 0.620659 0.148890
Tel. 10.516012 13.270038 37.591510
[Link]. 1.809035 18.176336 1.872341
[Link]. 0.446007 7.532438 44.628215
[Link]. 4.487719 50.803517 1.759155
[Link] 12.357623 9.597012 13.999889

col_cos2_dim1 col_cos2_dim2 col_cos2_dim3 col_cos2_dim4 \

Radio 0.076956 0.168480 0.751961 0.002443
Tel. 0.850792 0.001298 0.081121 0.037714
[Link]. 0.992981 0.000131 0.001433 0.005306
[Link]. 0.486643 0.493977 0.001123 0.006989
[Link]. 0.316773 0.618623 0.012400 0.051716
[Link] 0.003492 0.958663 0.027038 0.007736

col_cos2_dim5
Radio 0.000159
Tel. 0.029075
[Link]. 0.000149
[Link]. 0.011269
[Link]. 0.000487
[Link] 0.003071

Statistiques pour les points colonnes

Olivier Garcia Package fanalysis - AFC 6 sur 12

 In [18]: # Coordonnées des points colonnes
print(my_ca.col_coord_)

[[-0.01494022 -0.02210596 -0.04670175 -0.00266194 0.00068016]

[ 0.05328288 -0.002081 0.01645288 0.0112183 0.00985007]
[-0.54067502 0.00620677 0.02054203 0.03952278 -0.00661745]
[ 0.10882837 0.10964537 0.00522829 0.01304161 -0.01656044]
[-0.09481257 0.13249659 0.01875847 -0.03830946 0.0037189 ]
[ 0.00975363 -0.16160888 0.02714057 -0.01451757 -0.00914728]]

In [19]: # Contributions des points colonnes

print(my_ca.col_contrib_)

[[ 4.28700199e-01 1.80368136e+00 7.03836037e+01 6.20658916e-01

1.48890251e-01]
[ 6.56412758e+00 1.92419243e-02 1.05160124e+01 1.32700380e+01
3.75915100e+01]
[ 7.45877189e+01 1.88897960e-02 1.80903503e+00 1.81763356e+01
1.87234094e+00]
[ 1.15011283e+01 2.24356413e+01 4.46006948e-01 7.53243787e+00
4.46282147e+01]
[ 6.82333790e+00 2.56080275e+01 4.48771875e+00 5.08035174e+01
1.75915503e+00]
[ 9.49870405e-02 5.01145182e+01 1.23576232e+01 9.59701224e+00
1.39998891e+01]]

In [20]: # Cos2 des points colonnes

print(my_ca.col_cos2_)

[[ 7.69561735e-02 1.68479830e-01 7.51961487e-01 2.44301514e-03

1.59494851e-04]
[ 8.50792093e-01 1.29775661e-03 8.11207283e-02 3.77139463e-02
2.90754756e-02]
[ 9.92981084e-01 1.30857685e-04 1.43335889e-03 5.30595256e-03
1.48747339e-04]
[ 4.86642767e-01 4.93976885e-01 1.12317070e-03 6.98857711e-03
1.12685999e-02]
[ 3.16773320e-01 6.18623139e-01 1.23997140e-02 5.17164707e-02
4.87356154e-04]
[ 3.49195247e-03 9.58662728e-01 2.70379173e-02 7.73612354e-03
3.07127840e-03]]

Graphiques

2 types de graphiques peuvent être réalisés :

Les mapping classiques qui représentent les points lignes et colonnes sur un plan factoriel
Des graphiques qui permettent d'interpréter rapidement les axes : on choisit un axe factoriel (le 1er axe dans notre
exemple) et on observe quels sont les points lignes et colonnes qui présentent les plus fortes contributions et cos2
pour cet axe
</p>

Graphiques factoriels

Olivier Garcia Package fanalysis - AFC 7 sur 12

 In [21]: # Mapping simultané des points lignes et colonnes
# Les paramètres de la méthode mapping indiquent que ce sont les axes 1 et 2 qui so
nt ici représentés
my_ca.mapping(num_x_axis=1, num_y_axis=2)

In [22]: # Mapping des points lignes

my_ca.mapping_row(num_x_axis=1, num_y_axis=2)

In [23]: # Mapping des points colonnes

my_ca.mapping_col(num_x_axis=1, num_y_axis=2)

Olivier Garcia Package fanalysis - AFC 8 sur 12

 Analyse du 1er axe - Points lignes

In [24]: # Classement des points lignes en fonction de leur contribution au 1er axe
# Le paramètre de la méthode plot_row_contrib indique que c'est pour l'axe numéro 1
que les contributions sont ici
# représentées
my_ca.plot_row_contrib(num_axis=1)

In [25]: # Classement des points lignes en fonction de leur cos2 sur le 1er axe
my_ca.plot_row_cos2(num_axis=1)

Analyse du 1er axe - Points colonnes

Olivier Garcia Package fanalysis - AFC 9 sur 12

 In [26]: # Classement des points colonnes en fonction de leur contribution au 1er axe
my_ca.plot_col_contrib(num_axis=1)

In [27]: # Classement des points colonnes en fonction de leur cos2 sur le 1er axe
my_ca.plot_col_cos2(num_axis=1)

Pour tous les graphiques présentés plus haut, il est possible de définir un taille particulière via le paramètre figsize.

Olivier Garcia Package fanalysis - AFC 10 sur 12

 In [28]: my_ca.mapping(1, 2, figsize=(10, 8))

Projection de points lignes supplémentaires

La classe CA implémente les méthodes fit, transform et fit_transform bien connues des utilisateurs de scikit-learn.

Ces méthodes vont nous permettre de projetter des points lignes sur les axes factoriels.

Il est ici judicieux de fixer le paramètre stats à False pour gagner en temps de traitement et en ressources mémoire.

In [29]: my_ca = CA(stats=False)

In [30]: # Estimation du modèle

my_ca.fit(X)

Out[30]: CA(col_labels=None, n_components=None, row_labels=None, stats=False)

In [31]: # Projection de l'ensemble des points lignes sur les axes factoriels
my_ca.transform(X)

Out[31]: array([[ 0.16614986, 0.30961174, -0.07183812, -0.01443258, 0.02144011],

[ 0.06837709, 0.14315064, -0.0644217 , 0.02037032, -0.02568674],
[-0.42997558, 0.06087258, -0.00302124, 0.01681116, 0.01123318],
[-0.10660251, -0.03259679, -0.03089814, -0.02533304, -0.01195531],
[ 0.01572857, -0.09546893, -0.00508681, -0.02029446, 0.00346168],
[ 0.04371252, -0.1013786 , -0.01932335, 0.03541129, -0.00173011],
[ 0.11779685, -0.09486419, -0.03972798, 0.00349309, 0.02248439],
[ 0.0325837 , 0.03339524, 0.02596802, 0.00055285, -0.00093525]])

Olivier Garcia Package fanalysis - AFC 11 sur 12

 In [32]: # Idem en une seule étape
my_ca.fit_transform(X)

Out[32]: array([[ 0.16614986, 0.30961174, -0.07183812, -0.01443258, 0.02144011],

[ 0.06837709, 0.14315064, -0.0644217 , 0.02037032, -0.02568674],
[-0.42997558, 0.06087258, -0.00302124, 0.01681116, 0.01123318],
[-0.10660251, -0.03259679, -0.03089814, -0.02533304, -0.01195531],
[ 0.01572857, -0.09546893, -0.00508681, -0.02029446, 0.00346168],
[ 0.04371252, -0.1013786 , -0.01932335, 0.03541129, -0.00173011],
[ 0.11779685, -0.09486419, -0.03972798, 0.00349309, 0.02248439],
[ 0.0325837 , 0.03339524, 0.02596802, 0.00055285, -0.00093525]])

In [33]: # Projection d'une ligne supplémentaire

my_ca.transform([[25, 54, 41, 11, 65, 44]])

Out[33]: array([[-0.85659025, 0.11271178, 0.44021711, -0.19738323, -0.02993141]])

Les méthodes transform et fit_transform ne sont pas forcément très utiles dans le cadre de l'Analyse Factorielle des
Correspondances simple.

En revanche, elles seront beaucoup plus intéressantes dans le cadre de l'Analyse des Correspondances Multiples et de
l'Analyse en Composantes Principales, et les tutoriels relatifs à ces méthodes essaieront de l'illustrer.

Olivier Garcia Package fanalysis - AFC 12 sur 12