R-plotly|交互式甘特图(Gantt chart)-项目管理/学习计划

简介: R-plotly|交互式甘特图(Gantt chart)-项目管理/学习计划

本文首发于“生信补给站”公众号 https://mp.weixin.qq.com/s/CGz51qOjFSJ4Wx_qOMzjiw


甘特图(Gantt chart),又常被称为横道图或者条状图,是现代企业项目管理领域运用最为广泛的一种图示。就是通过条形来显示项目的进度、时间安排等相关情况的。

项目管理外,也可以用来管理学习计划。绘制甘特图的工具有很多,本文介绍使用R-plotly包绘制交互式的甘特图,保存html链接后,即可随时查看。

数据准备


加载函数包,读入数据

library(plotly)
# Read in data
df <- read.csv("GanttChart.csv", stringsAsFactors = F)
# Convert to dates
df$Start <- as.Date(df$Start, format = "%m/%d/%Y")
head(df,3)

绘制甘特图


数据如上所示,只需任务或者项目得疯

内容Task,开始时间Start,持续的时间数据即可绘制甘特图。

# 根据Resource 设置甘特图的颜色
cols <- RColorBrewer::brewer.pal(length(unique(df$Resource)), name = "Set3")
df$color <- factor(df$Resource, labels = cols)
# 初始一个空对象
p <- plot_ly()
# 每个task一个line plot,起始时间和任务持续时长
for(i in 1:(nrow(df) - 1)){
 p <- add_trace(p,
                x = c(df$Start[i], df$Start[i] + df$Duration[i]),  #起试和终止
                y = c(i, i),  #
                mode = "lines",
                line = list(color = df$color[i], width = 20), #设置line plot的颜色和线宽
                showlegend = F,
                hoverinfo = "text", #悬浮信息为text信息
                #设置text显示内容
                text = paste("Task: ", df$Task[i], "<br>",
                             "Duration: ", df$Duration[i], "days<br>",
                             "Resource: ", df$Resource[i]),
                evaluate = T ,
                xaxis = list(showgrid = F, tickfont = list(color = "#e6e6e6")),
yaxis = list(showgrid = F, tickfont = list(color = "#e6e6e6"),
                tickmode = "array", tickvals = 1:nrow(df), ticktext = unique(df$Task),
                domain = c(0, 0.9)),
           plot_bgcolor = "#333333",  # 设置颜色
           paper_bgcolor = "#333333"
)
}


更改Layout信息

1. 去掉 gridlines
2. 显示task任务
p <- layout(p,
           xaxis = list(showgrid = F, tickfont = list(color = "#e6e6e6")),
           yaxis = list(showgrid = F, tickfont = list(color = "#e6e6e6"),
                  tickmode = "array", tickvals = 1:nrow(df), ticktext = unique(df$Task),
                  domain = c(0, 0.9)),
           plot_bgcolor = "#333333",  # Chart area color
           paper_bgcolor = "#333333") # Axis area color

注:因未掌握交互式插入html方法,因此动态交互图自行运行一下即可


◆  


R|生存分析(1):生存分析介绍以及绘制KM曲线

Nomogram(诺莫图) | Logistic、Cox生存分析结果可视化

Forest plot(森林图) | Cox生存分析可视化

maftools|TCGA肿瘤突变数据的汇总,分析和可视化

maftools | 从头开始绘制发表级oncoplot(瀑布图)

ggalluvial|炫酷桑基图(Sankey),你也可以秀

ggplot2|详解八大基本绘图要素

ggplot2|ggpubr进行“paper”组图合并

pheatmap|暴雨暂歇,“热图”来袭!!!

ggplot2-plotly|让你的火山图“活”过来

ggplot2| 绘制KEGG气泡图

ggplot2|绘制GO富集柱形图

绘图系列|R-corrplot相关图

绘图系列|R-VennDiagram包绘制韦恩图

R|clusterProfiler-富集分析

相关文章
|
3月前
|
数据可视化 图形学 C++
C++ Qt开发:Charts绘图组件概述
Qt 是一个跨平台C++图形界面开发库,利用Qt可以快速开发跨平台窗体应用程序,在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置,实现图形化开发极大的方便了开发效率,本章将重点介绍`QCharts`二维绘图组件的常用方法及灵活运用。Qt Charts 提供了一个强大且易于使用的工具集,用于在 Qt 应用程序中创建各种类型的图表和图形可视化,该模块提供了多种类型的图表,包括折线图、散点图、条形图、饼图等。这使得开发人员能够轻松地将数据以直观的方式呈现给用户,增强应用程序的可视化效果。
134 0
C++ Qt开发:Charts绘图组件概述
|
18天前
|
前端开发 数据可视化 项目管理
Dhtmlx Gantt教程:创建交互式甘特图的完整指南
Dhtmlx Gantt教程:创建交互式甘特图的完整指南
|
3月前
|
数据可视化 数据挖掘 API
C++ Qt开发:Charts绘制各类图表详解
Qt 是一个跨平台C++图形界面开发库,利用Qt可以快速开发跨平台窗体应用程序,在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置,实现图形化开发极大的方便了开发效率,本章将重点介绍`TreeWidget`与`QCharts`的常用方法及灵活运用。在之前的文章中笔者介绍了如何使用`QCharts`模块来绘制简单的折线图并对通用API接口进行了概括,本章我们通过在`TreeWidget`组件中提取数据,并依次实现柱状图、饼状图、堆叠图、百分比图、散点图等。
212 5
C++ Qt开发:Charts绘制各类图表详解
|
3月前
|
数据可视化 JavaScript 前端开发
D3.js的交互式图表和可视化效果
在当今数据爆炸的时代,有一个强大的工具可以帮助我们更好地理解和使用数据:D3.js。D3.js是一个流行的JavaScript库,用于创建交互式图表和可视化效果。本文将介绍D3.js的基本特性以及如何使用它来创建高质量的数据可视化。
R-plotly|甘特图(Gantt chart)- 一不小心年中了,立个flag
R-plotly|甘特图(Gantt chart)- 一不小心年中了,立个flag
|
数据可视化 Python
可视化 | Python绘制精美仪表盘
可视化 | Python绘制精美仪表盘
|
数据可视化
Qt开发技术:Q3D图表开发笔记(二):Q3DBar三维柱状图介绍、Demo以及代码详解
qt提供了q3d进行三维开发,虽然这个框架没有得到大量运用也不是那么成功,性能上也有很大的欠缺,但是普通的点到为止的应用展示还是可以的。   其中就包括华丽绚烂的三维图表,数据量不大的时候是可以使用的。   上一篇介绍了基础的q3d散点图,本篇介绍基础的柱状图。
Qt开发技术:Q3D图表开发笔记(二):Q3DBar三维柱状图介绍、Demo以及代码详解
|
数据可视化 CDN
【实战篇】37 # 如何使用 QCharts 图表库绘制常用数据图表?
【实战篇】37 # 如何使用 QCharts 图表库绘制常用数据图表?
157 0
【实战篇】37 # 如何使用 QCharts 图表库绘制常用数据图表?
|
数据可视化 JavaScript 前端开发
Python 绘制精美可视化数据分析图表 (二)-pyecharts
画图表就是为了把复杂的事情表达清楚,画图表还可以弥补单用文字表达的缺欠,对有些事物解说更直接、更具体。就像我们平时会议所用的 PPT,能够更直观呈现讲述者所想表达的意思,且通俗易懂。总的来说,使用图表可以化复杂为简洁,化抽象为具体,使读者或听众更容易理解。 图表能跟直观表达和揭示数据的规律,人对图像更加敏感,对图文并茂的事物更容易接受,阅读更加简单高效,而且图表更显专业性,更具有说服力,更有利于沟通。 在上一篇文章《Python 绘制精美可视化数据分析图表 (一)-Matplotlib》中我们已经讲述过数据分析和绘制数据分析图表的好处,这里就不再赘述。直奔主题:pyecharts 是什么?
592 0
pyecharts第三节、仪表盘
pyecharts第三节、仪表盘
135 0
pyecharts第三节、仪表盘