简介

通常情况下，我们更关心的是构建统计模型的过程，而对于可视化模型结果都希望能快速完成。尽管一些包为生成的数据和模型提供默认的可视化。但是，它们看起来已经过时了，并且在 ggplot2 中使用它们之前，这些组件需要进行额外的转换和清理，当其他人希望在分析中生成类似的图表时，必须复制这些转换步骤。

而autoplotly()函数允许用户使用一行代码来可视化许多流行的R包的统计结果，用于绘制许多统计数据和机器学习包的函数，以帮助用户以最小的努力实现可重现性目标，这大大提升了我们的工作效率。生成的可视化还可以使用 ggplot2 和 plotly 语法轻松地扩展，同时保持交互的特性。

绘图实战

下面演示下如何使用 autoplotly()函数绘图，首先安装并加载autoplotly包。

install.packages('autoplotly')
library(autoplotly)

autoplotly()函数适用于 stats 包中的两个基本对象类: prcomp 和 princomp ，这两个对象是通过主成分分析得到的。下面提取 iris 数据集的前四列作为矩阵，对其进行主成分分析，并对结果进行可视化展示:

p <- autoplotly(prcomp(iris[c(1, 2, 3, 4)]), data = iris,
  colour = 'Species', frame = TRUE)
p

可以看到，使用autoplotly绘制出来的结果更加美观，并且是可交互的。不需要另外的数据处理，autoplotly便能直接对函数生成的对象实现可视化。

图形美化

通过应用额外的 ggplot2 元素或组件，可以很容易地扩展使用 autoplotly()函数生成的图形。例如，我们可以使用 ggtitle和labs向原始生成的图形添加标题和轴标签。

autoplotly(
  prcomp(iris[c(1, 2, 3, 4)]), data = iris, colour = 'Species', frame = TRUE) +
  ggplot2::ggtitle("Principal Components Analysis") +
  ggplot2::labs(y = "Second Principal Component", x = "First Principal Component")

类似地，我们可以使用 plotly包 添加额外的交互组件。下面的例子将在原图的中心处添加一个箭头和注释文本:

p <- autoplotly(prcomp(iris[c(1, 2, 3, 4)]), data = iris,
  colour = 'Species', frame = TRUE)
p %>% plotly::layout(annotations = list(
  text = "看这里",
  font = list(
    family = "Courier New, monospace",
    size = 18,
    color = "black"),
  x = 0,
  y = 0,
  showarrow = TRUE))

更多例子

• 在由 strucchange::breakpoints 构建的回归模型中，对有可能发生结构变化的最佳断点进行可视化:

library(strucchange)
autoplotly(breakpoints(Nile ~ 1), ts.colour = "blue", ts.linetype = "dashed",
           cpt.colour = "dodgerblue3", cpt.linetype = "solid")

• 带有边界结点的自然三次样条的b样条基点可视化

library(splines)
autoplotly(ns(ggplot2::diamonds$price, df = 6))

知识补充

目前，autoplotly只支持对部分对象进行可视化，这份清单上列举了所有对象，可点击链接查看：

• https://github.com/sinhrks/ggfortify#coverage^[2]

结语

有了这个包，我们可以减少花在学习 ggplot2 语法或类似 plotly 的交互式可视化包上的时间，大家快快尝试一下吧~