ggvis包—数据可视化交互

简介: ggvis[1]是R的一个数据可视化包,它可以:• 使用与ggplot2类似的语法描述数据图形;• 创建丰富的交互式图形,在本地Rstudio或浏览器中使用这些图形;• 利用shiny的基础结构发布交互式图形。

简介


ggvis[1]是R的一个数据可视化包,它可以:

  • 使用与ggplot2类似的语法描述数据图形;
  • 创建丰富的交互式图形,在本地Rstudio或浏览器中使用这些图形;
  • 利用shiny的基础结构发布交互式图形。

ggvis 与 ggplot2主要区别

  • 基本命名转换:
ggplot ggvis
geom layer function
stat compute function
aes props
+ %>%
  • ggvis目前不支持分面;
  • 使用ggvis而不添加任何层类似于qplot

更详细的区别可见:http://ggvis.rstudio.com/ggplot2.html

这里先对包进行加载(可以直接使用instll.packages("")下载)

library(ggvis)
library(dplyr)


静态图


1 散点图

使用layer_points()绘制,其中内部参数都用默认值。注意这里ggvis(~wt, ~mpg)比ggplot多了一个波浪线。

mtcars %>% 
  ggvis(~wt, ~mpg) %>% 
  layer_points()

image.gif

如果要加拟合线,和ggplot语法很类似,再加一层layer_smooths()

mtcars %>% 
  ggvis(~wt, ~mpg) %>%
  layer_points() %>%
  layer_smooths()

[HYWE[(B_HC%1V[{M7RTEBE.png

内部参数也很类似(se = TRUE加入拟合区间),拟合方式使用"lm"方法。

mtcars %>% 
  ggvis(~wt, ~mpg) %>%
  layer_points() %>%
  layer_model_predictions(model = "lm", se = TRUE)

image.gif

2 分组的散点图

如果想要使用分组说明散点图,可以加入fill = ~factor(cyl)或者group_by(cyl)进行分布。

mtcars %>% 
  ggvis(~wt, ~mpg) %>% 
  layer_points(fill = ~factor(cyl))

$4IVMJKRJF9Y]$@)SJG_T$S.png

如果想要预测每组数据拟合情况,可以使用ayer_model_predictions()

mtcars %>% 
  ggvis(~wt, ~mpg, fill = ~factor(cyl)) %>% 
  layer_points() %>% 
  group_by(cyl) %>% 
  layer_model_predictions(model = "lm")

AJ7GIVRJCK8$`}246ML[O]3.png


3 柱状图

柱状图是使用layer_bars()函数,内部参数包括width(设置柱子宽度)等。

head(pressure)
pressure %>% 
  ggvis(~temperature, ~pressure) %>%
  layer_bars(fill := "#ff8080")

image.gif

pressure %>% 
  ggvis(~temperature, ~pressure) %>%
  layer_bars(width = 15,fill := "#ff8080")

@$N}BIGW7IZ~}FX_68C[9)N.png


4 曲线图

使用layer_lines()绘制曲线图,当然你可以和散点图合并,效果更好。

pressure %>% ggvis(~temperature, ~pressure) %>% layer_lines()

{{6PRNA189UV00Z]BTVK@`L.png

pressure %>% ggvis(~temperature, ~pressure) %>%
  layer_points(size := 50) %>% 
  layer_lines()

image.gif

5 直方图

使用layer_histograms()绘制直方图,内部参数包括width(柱子宽度),boundary(两个箱子之间的边界),center(柱子中央为中心)等。

head(faithful)
faithful %>% ggvis(~eruptions, fill := "#ff8080") %>%
  layer_histograms(width=0.25, boundary=0) %>% 
  add_axis("x", title = "month") %>%
  add_axis("y", title = "count")

IFE$Q8WU_RF1TR0SDOV$}UE.png

faithful %>% ggvis(~eruptions, fill := "#90bff9") %>%
  layer_histograms(width=0.25, center=0) %>% 
  add_axis("x", title = "month") %>%
  add_axis("y", title = "count")

)CQCES7D}Q0Z6SLYBK3VJ2Q.png

add_axis()可以设置坐标轴的名称等其他参数。


6 箱型图

使用layer_boxplots()绘制箱型图,具体内部参数再次不做具体陈述。

mtcars %>% 
  ggvis(~factor(cyl), ~mpg) %>% 
  layer_boxplots(fill := "#90bff9")

21X$QXJG}1HE)Z0SU7D$W3O.png

目录
相关文章
|
数据可视化 定位技术 Python
Python基础综合案例-数据可视化(地图)
今天给大家带来的是Python综合实战开发的数据可视化操作 通过python实现对数据的分析、可视化
137 0
|
2月前
|
监控 数据可视化 数据挖掘
ThingWorx 是如何实现数据可视化的
ThingWorx通过其强大的数据可视化工具,将复杂的数据转化为直观的图表和仪表板,帮助用户快速理解并分析数据,支持定制化视图以满足不同需求,提升决策效率。
66 12
|
5月前
|
数据可视化
Echarts数据可视化开发| 智慧数据平台
Echarts数据可视化开发| 智慧数据平台
|
6月前
|
数据采集 存储 自然语言处理
Python爬虫与数据可视化:构建完整的数据采集与分析流程
Python爬虫与数据可视化:构建完整的数据采集与分析流程
|
8月前
|
数据可视化 Python
|
8月前
|
人工智能 数据可视化 算法
|
Web App开发 数据可视化 前端开发
前端数据可视化插件(四)关系图
前端数据可视化插件(四)关系图
前端数据可视化插件(四)关系图
|
前端开发 数据可视化 JavaScript
使用Dash快速构建你的数据可视化前端
使用Dash快速构建你的数据可视化前端
563 0
|
数据可视化 前端开发 JavaScript
前端数据可视化的工具和库
前端数据可视化的工具和库
363 0
|
监控 数据可视化 前端开发
前端数据可视化和动态图表库
前端数据可视化和动态图表库
367 0