R语言可视化作图笔记（5.1）交互式图形

原创已于 2024-09-12 17:52:11 修改 · 3.6k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#R #linked plots #可视化

于 2018-11-08 10:28:52 首次发布

R编程同时被 2 个专栏收录

18 篇文章

订阅专栏

R的数据可视化笔记

10 篇文章

订阅专栏

本文探讨了交互式图形在数据可视化中的应用，包括串联图、过滤滑块、更换坐标轴等技术，以及交互算符如何提升分析效率。

交互式图形（Interactive Graphics）

在可视化时，可交互的图比静态（static）的图更方便分析。了解不同的交互方式可以帮助我们理解交互的分析，了解可视化软件的局限以及改进。【很好玩】

串联图（Linked plots）

散点图-柱状图（scatter-bar）

以数据mtcars为例，用crosstalk串联一个散点图（data=mtcars，x=disp，y=qsec）与一个柱状图（x=gear）

library(plotly)
library(crosstalk)
library(tidyr)

data <- mtcars
d <- SharedData$new(data)

scatter <- plot_ly(d, x = ~disp, y = ~qsec) %>%
  add_markers()

bar <-plot_ly(d, x=~as.factor(gear)) %>%
  add_histogram() %>% 
  layout(barmode="overlay")

subplot(scatter, bar)%>%
  highlight(on="plotly_select", dynamic=T, persistent = T, opacityDim = I(1))%>%hide_legend()

左上角选择不同颜色后，可以在柱状图中给不同不同的柱上色，对应的散点图也会变色
在这里插入图片描述

散点图-散点图（scatter-scatter）

scatter2 <- plot_ly(d, x = ~disp, y = ~mpg)%>%
  add_markers(color = I("lightblue"))
subplot(scatter, scatter2)%>%
  highlight(on="plotly_select", dynamic=T, persistent = T, opacityDim = I(1))%>%hide_legend()

通过框出不同的点来交互
在这里插入图片描述

平行坐标图-柱状图（parallel coordinates-bar）

借助htmltools来串联一个平行坐标图和一个柱状图

library(GGally)
p<-ggparcoord(data, columns = 1:5) 
d0<-plotly_data(ggplotly(p))%>%group_by(.ID)
d1<-SharedData$new(d0, ~.ID)

p1 <- plot_ly(d1, x=~variable, y=~value)%>%
  add_lines(line=list(width=0.3))%>%
  add_markers(marker=list(size=0.3),
              text=~.ID, hoverinfo="text")

p2 <- plot_ly(d1, x=~as.factor(gear) )%>%add_histogram()%>%layout(barmode="overlay")

ps<-htmltools::tagList(p1%>%
                        highlight(on="plotly_select", dynamic=T, persistent = T, opacityDim = I(1))%>%
                        hide_legend(),
                      p2%>%
                        highlight(on="plotly_select", dynamic=T, persistent = T, opacityDim = I(1))%>%
                        hide_legend())
htmltools::browsable(ps)

可以在平行坐标图中某单列的滑动，选择观察量，在柱状图中也会跟着变化
在这里插入图片描述

过滤滑块（filter）

借助crosstalk::bscols中的filter_slider，在前图中加入一个对应其他特征的过滤滑块（column=mpg）

bscols(widths=c(2, NA),filter_slider("R", "mpg", d, column=~mpg),
       subplot(scatter, bar)%>%
         highlight(on="plotly_select", dynamic=T, 
                   persistent = T, opacityDim = I(1))%>%hide_legend())

滑动左边的滑块后，右边两图会实时变换
在这里插入图片描述

更换坐标轴（buttons）

ButtonsX=list()
for (i in 1:11){
  ButtonsX[[i]]= list(method = "restyle",
                        args = list( "x", list(data[[i]])),
                        label = colnames(data)[i])}
ButtonsY=list()
for (i in 1:11){
  ButtonsY[[i]]= list(method = "restyle",
                        args = list( "y", list(data[[i]])),
                        label = colnames(data)[i])}
ButtonsZ=list()
for (i in 1:11){
  ButtonsZ[[i]]= list(method = "restyle",
                        args = list( "z", list(data[[i]])),
                        label = colnames(data)[i])}

plot_ly(d, x = ~mpg, y = ~mpg, z= ~mpg, alpha = 0.8) %>%
  add_markers() %>%
  layout(scene = list(
    xaxis=list(title="x"), 
    yaxis=list(title="y"),
    zaxis=list(title="z")
  ),
  updatemenus = list(
    list(y=0.9, buttons = ButtonsX),
    list(y=0.7, buttons = ButtonsY),
    list(y=0.5, buttons = ButtonsZ)
  ) 
  )