利用R語言製作出14種漂亮的交互數據可視化

利用R語言也可以製作出漂亮的交互數據可視化，下面和大家分享一些常用的交互可視化的R包。

rCharts包

說起R語言的交互包，第一個想到的應該就是rCharts包。該包直接在R中生成基於D3的Web界面。

rCharts包的安裝：

require(devtools)ninstall_github(rCharts, ramnathv)n

rCharts函數就像lattice函數一樣，通過formula、data指定數據源和繪圖方式，並通過type指定圖表類型。

下面通過例子來了解下其工作原理。我們以鳶尾花數據集為例，首先通過name函數對列名進行重新賦值（去掉單詞間的點），然後利用rPlot函數繪製散點圖(type=」point」)，並利用顏色進行分組（color=」Species」）。

library(rCharts)nnames(iris) = gsub(".", "", names(iris))np1 <- rPlot(SepalLength ~ SepalWidth | Species, data = iris, color = Species, type = point)np1n

rCharts支持多個javascript圖表庫，每個都有自己的長處。每一個圖表庫有多個定製選項，其中大部分rCharts都支持。

NVD3 是一個旨在建立可復用的圖表和組件的 d3.js 項目——它提供了同樣強大的功能，但更容易使用。它可以讓我們處理複雜的數據集來創建更高級的可視化。在rCharts包中提供了nPlot函數來實現。

下面以眼睛和頭髮顏色的數據(HairEyeColor)為例說明nPlot繪圖的基本原理。我們按照眼睛的顏色進行分組(group=」eye」),對頭髮顏色人數繪製柱狀圖，並將類型設置為柱狀圖組合方式(type=」multiBarChart」)，這樣可以實現分組和疊加效果。

library(rCharts)nhair_eye_male <- subset(as.data.frame(HairEyeColor), Sex == "Male")nhair_eye_male[,1] <- paste0("Hair",hair_eye_male[,1])nhair_eye_male[,2] <- paste0("Eye",hair_eye_male[,2])nn1 <- nPlot(Freq ~ Hair, group = "Eye", data = hair_eye_male,ntype = "multiBarChart")nn1n

可以通過圖形右上角選擇需要查看或隱藏的類別（默認是全部類別顯示的），也能通過左上角選擇柱子是按照分組還是疊加的方式進行擺放（默認是分組方式）。如果選擇Stacked，就會繪製疊加柱狀圖。

Highcharts是一個製作圖表的純Javascript類庫，支持大部分的圖表類型：直線圖，曲線圖、區域圖、區域曲線圖、柱狀圖、餅狀圖、散布圖等。在rCharts包中提供了hPlot函數來實現。

以MASS包中的學生調查數據集survery為例，說明hPlot繪圖的基本原理。我們繪製學生身高和每分鐘脈搏跳動次數的氣泡圖，以年齡變數作為調整氣泡大小的變數。

library(rCharts)na <- hPlot(Pulse ~ Height, data = MASS::survey, type = "bubble",ntitle = "Zoom demo", subtitle = "bubble chart",nsize = "Age", group = "Exer")na$colors(rgba(223, 83, 83, .5), rgba(119, 152, 191, .5),nrgba(60, 179, 113, .5))na$chart(zoomType = "xy")na$exporting(enabled = T)nan

rCharts包可以畫出更多漂亮的交互圖， rCharts和ramnathv/rCharts有更多的例子可供大家學習。

recharts包

學習完rCharts包，可能有讀者會問，我們有沒有國人開發的包實現相似的效果呢？這邊給大家推薦一個同樣功能強大的recharts包。

本包來源於百度開發的國內頂尖水平的開源d3-js可視項目Echarts(Github Repo)。Yang Zhou和Taiyun Wei基於該工具開發了recharts包，經Yihui Xie修改後，可通過htmlwidgets傳遞js參數，大大簡化了開發難度。但此包開發仍未完成。為了趕緊上手用，基於該包做了一個函數echartR（下載至本地，以後通過source命令載入），用於製作基礎Echart交互圖。需要R版本>=3.2.0.

安裝方式如下：

library(devtools)ninstall_github(yihui/recharts)n

安裝完後，需要在https://github.com/madlogos/recharts/blob/master/R/echartR.R將echartR.R腳本下載到本地。

假如想對鳶尾花數據集繪製散點圖，可以執行如下代碼：

source("~echartR.R")nnames(iris) = gsub(".", "", names(iris))nechartR(data=iris,x=~SepalLength,y=~PetalWidth,series = ~Species,ntype = scatter)n

繪製柱狀圖：

hair_eye_male <- subset(as.data.frame(HairEyeColor), Sex == "Male")nhair_eye_male[,1] <- paste0("Hair",hair_eye_male[,1])nhair_eye_male[,2] <- paste0("Eye",hair_eye_male[,2])nechartR(data = hair_eye_male, x = Hair, y = ~Freq, series = ~Eye,ntype = bar, palette=fivethirtyeight,nxlab = Hair, ylab = Freq)n

玫瑰圖：

dtcars <- mtcarsndtcars$car <- row.names(dtcars)ndtcars$transmission <- as.factor(dtcars$am)nlevels(dtcars$transmission) <- c("Automatic","Manual")ndtcars$cylinder <- as.factor(dtcars$cyl)ndtcars$carburetor <-as.factor(dtcars$carb)nechartR(dtcars, x = ~cylinder, y = ~car, type=rose,npalette=colorblind, title=Number of Cylinders,nsubtitle = (source: mtcars))n

雷達圖：

player <- data.frame(name=c(rep("Philipp Lahm",8),rep("Dani Alves",8)),npara=rep(c("Passing%","Key passing","Comp crosses",n"Crossing%","Successful dribbles",n"Dispossessed","Dribbled past","Fouls"),2),nvalue=c(89.67, 1.51, 0.97, 24.32, 0.83, 0.86, 1.15, 0.47,n86.62, 2.11, 0.99, 20.78, 1.58, 1.64, 0.9, 1.71))nechartR(player, x= ~para, y= ~value, series= ~name, type=radarfill,nsymbolList=none, palette=c(firebrick1,dodgerblue),ntitle=Lahm vs Alves, subtitle= (by @mixedknuts))n

plotly包

接下來要給大家介紹的是另一個功能強大的plotly包。它是一個基於瀏覽器的互動式圖表庫，它建立在開源的JavaScript圖表庫plotly.js之上。

有兩種安裝方式：

install.packages("plotly")n

或者

devtools::install_github("ropensci/plotly")n

plotly包利用函數plot_ly函數繪製交互圖。

如果相對鳶尾花數據集繪製散點圖，需要將mode參數設置為」markers」。

library(plotly)np <- plot_ly(iris, x = Petal.Length, y = Petal.Width,ncolor = Species, colors = "Set1", mode = "markers")npn

如果想繪製交互箱線圖，需要將type參數設置為box。

library(plotly)nplot_ly(midwest, x = percollege, color = state, type = "box")n

如果你已熟悉ggplot2的繪圖系統，也可以針對ggplot2繪製的對象p，利用ggplotly函數實現交互效果。例如我們想對ggplot繪製的密度圖實現交互效果，執行以下代碼即可：

library(plotly)np <- ggplot(data=lattice::singer,aes(x=height,fill=voice.part))+ngeom_density()+nfacet_grid(voice.part~.)n(gg <- ggplotly(p))n

其他

此外還有很多好玩有用的交互包。例如專門用來畫交互時序圖的dygraphs包，可通過install.packages(「dygraphs」)安裝。

library(dygraphs)nlungDeaths <- cbind(mdeaths, fdeaths)ndygraph(lungDeaths) %>%ndySeries("mdeaths", label = "Male") %>%ndySeries("fdeaths", label = "Female") %>%ndyOptions(stackedGraph = TRUE) %>%ndyRangeSelector(height = 20)n

DT包實現R數據對象可以在HTML頁面中實現過濾、分頁、排序以及其他許多功能。通過install.packages(「DT」)安裝。

以鳶尾花數據集iris為例，執行以下代碼：

library(DT)ndatatable(iris)n

networkD3包可實現D3 JavaScript的網路圖，通過install.packages(「networkD3」)安裝。

下面是繪製一個力導向的網路圖的例子。

# 載入數據ndata(MisLinks)ndata(MisNodes)nn# 畫圖nforceNetwork(Links = MisLinks, Nodes = MisNodes,nSource = "source", Target = "target",nValue = "value", NodeID = "name",nGroup = "group", opacity = 0.8)n

我們可以通過d3treeR包繪製交互treemap圖，利用

devtools::install_github("timelyportfolio/d3treeR")n

完成d3treeR包安裝。

library(treemap)nlibrary(d3treeR)ndata("GNI2014")ntm <- treemap(nGNI2014,nindex=c("continent", "iso3"),nvSize="population",nvColor="GNI",ntype="value"n)nd3tree( tm,rootname = "World" )n

本文主要是介紹了幾個R常用的交互包。在R的環境中，動態交互圖形的優勢在於能和knitr、shiny等框架整合在一起，能迅速建立一套可視化原型系統。

作者：謝佳標 數據分析與挖掘R語言十三式，打造R全棧專家 數據分析與挖掘R語言十三式，打造R全棧專家

大家也可以加小編微信：tswenqu，進R語言中文社區 交流群。