Environnement

# activer l'environnement
using Pkg
Pkg.activate("env_julia_rcall")

  Activating project at `c:\Users\ricco\Desktop\demo\env_julia_rcall`

# liste des packages installés
Pkg.status()

Status `C:\Users\ricco\Desktop\demo\env_julia_rcall\Project.toml`

  [336ed68f] CSV v0.10.16

  [a93c6f00] DataFrames v1.8.2

  [7073ff75] IJulia v1.34.4

  [6f49c342] RCall v0.14.13

  [f3b207a7] StatsPlots v0.15.8

Importation des données

# lire le fichier CSV
using CSV
import DataFrames as DFR

df = CSV.read("media_prof_afc.csv", DFR.DataFrame; delim=";")

# dimensions
DFR.size(df)

(8, 7)

# affichage
df

8×7 DataFrame

Row	Prof	Radio	Televis	Quot_Nat	Quot_Reg	Press_Mag	Press_TV
	String15	Int64	Int64	Int64	Int64	Int64	Int64
1	Agriculteur	96	118	2	71	50	17
2	Petit_Patr	122	136	11	76	49	41
3	Prof_Cad_Sup	193	184	74	63	103	79
4	Prof_Inter	360	365	63	145	141	184
5	Employe	511	593	57	217	172	306
6	Ouvr_Qualif	385	457	42	174	104	220
7	Ouvr_Non_Qualif	156	185	8	69	42	85
8	Inactif	1474	1931	181	852	642	782

Connexion R - AFC avec “ade4”

# accès à la librairie
using RCall

# vérification de la version de R
R"R.version.string"

RObject{StrSxp}
[1] "R version 4.5.2 (2025-10-31 ucrt)"

# envoyer le dataframe vers R via @rput
@rput df

8×7 DataFrame

Row	Prof	Radio	Televis	Quot_Nat	Quot_Reg	Press_Mag	Press_TV
	String15	Int64	Int64	Int64	Int64	Int64	Int64
1	Agriculteur	96	118	2	71	50	17
2	Petit_Patr	122	136	11	76	49	41
3	Prof_Cad_Sup	193	184	74	63	103	79
4	Prof_Inter	360	365	63	145	141	184
5	Employe	511	593	57	217	172	306
6	Ouvr_Qualif	385	457	42	174	104	220
7	Ouvr_Non_Qualif	156	185	8	69	42	85
8	Inactif	1474	1931	181	852	642	782

# vérification "dans" R
# comment définir une séquence de commandes R
R"""
str(df)
"""

'data.frame':   8 obs. of  7 variables:
 $ Prof     : chr  "Agriculteur" "Petit_Patr" "Prof_Cad_Sup" "Prof_Inter" ...
 $ Radio    : int  96 122 193 360 511 385 156 1474
 $ Televis  : int  118 136 184 365 593 457 185 1931
 $ Quot_Nat : int  2 11 74 63 57 42 8 181
 $ Quot_Reg : int  71 76 63 145 217 174 69 852
 $ Press_Mag: int  50 49 103 141 172 104 42 642
 $ Press_TV : int  17 41 79 184 306 220 85 782

RObject{NilSxp}
NULL

# réorganisation du data frame pour l'AFC
# attention, on ne peut pas mettre des commentaires # dans le code R
R"""
row.names(df) <- df$Prof
df <- df[-1]
df
"""

RObject{VecSxp}
                Radio Televis Quot_Nat Quot_Reg Press_Mag Press_TV
Agriculteur        96     118        2       71        50       17
Petit_Patr        122     136       11       76        49       41
Prof_Cad_Sup      193     184       74       63       103       79
Prof_Inter        360     365       63      145       141      184
Employe           511     593       57      217       172      306
Ouvr_Qualif       385     457       42      174       104      220
Ouvr_Non_Qualif   156     185        8       69        42       85
Inactif          1474    1931      181      852       642      782

# librairie ade4
# à installer sous R au préalable si besoin
R"""
library(ade4)
packageVersion("ade4")
"""

RObject{VecSxp}
[1] '1.7.23'

# lancer l'AFC de ADE4
# afficher les résultats
R"""
res <- dudi.coa(df,scannf=FALSE)
summary(res)
"""

Class: coa dudi
Call: dudi.coa(df = df, scannf = FALSE)

Total inertia: 0.02228

Eigenvalues:
      Ax1       Ax2       Ax3       Ax4       Ax5 
1.386e-02 7.211e-03 8.247e-04 3.039e-04 8.269e-05 

Projected inertia (%):
    Ax1     Ax2     Ax3     Ax4     Ax5 
62.1982 32.3650  3.7018  1.3638  0.3712 

Cumulative projected inertia (%):
    Ax1   Ax1:2   Ax1:3   Ax1:4   Ax1:5 
  62.20   94.56   98.27   99.63  100.00 

RObject{NilSxp}
NULL

# récuperer les coordonnées lignes
# on a un data frame
R"""
c_lig <- res$li
"""

# et récupérer les résultats sous Julia avec @rget
@rget c_lig

# vérfication sous Julia
println(c_lig)

8×2 DataFrame

 Row │ Axis1       Axis2      

     │ Float64     Float64    

─────┼────────────────────────

   1 │ -0.16615    -0.309612

   2 │ -0.0683771  -0.143151

   3 │  0.429976   -0.0608726

   4 │  0.106603    0.0325968

   5 │ -0.0157286   0.0954689

   6 │ -0.0437125   0.101379

   7 │ -0.117797    0.0948642

   8 │ -0.0325837  -0.0333952

# faire de même pour les colonnes
R"""
c_col <- res$co
"""

# et envoyer à julia
@rget c_col

# vérfication sous Julia
println(c_col)

6×2 DataFrame

 Row │ Comp1        Comp2       

     │ Float64      Float64     

─────┼──────────────────────────

   1 │  0.0149402    0.022106

   2 │ -0.0532829    0.002081

   3 │  0.540675    -0.00620677

   4 │ -0.108828    -0.109645

   5 │  0.0948126   -0.132497

   6 │ -0.00975363   0.161609

# graphique sous Julia
import StatsPlots as STP

# position des modalités lignes dans le premier plan factoriel
STP.scatter(c_lig.Axis1, c_lig.Axis2,
     aspect_ratio=:equal, xlims=(-0.6,+0.6), ylims=(-0.6,+0.6), size=(600,600),
     label="", xlabel="F1", ylabel="F2", framestyle=:box, markersize=0,
     title="Graphique des modalités lignes x colonnes",
     series_annotations=(df.Prof,STP.font(7,:green)) # ici pour mettre les étiquettes     
     )

# position des modalités colonnes
STP.scatter!(c_col.Comp1, c_col.Comp2,
     label="", markersize=0,
     series_annotations=(names(df)[2:end],STP.font(7,:blue))
     )


# lignes centrales
STP.hline!([0], linestyle = :dash, color = :gray,label="")
STP.vline!([0], linestyle = :dash, color = :gray,label="")