R语言数据可视化---交互式图表recharts包
2018-01-29 11:28
489 查看
知乎专栏:https://www.zhihu.com/people/wu-shu-hao-67/activities
往期回顾
R可视化分析链家网南京楼市数据
kaggle案例:数据科学社区调查报告(附学习视频)
kaggle案例:员工离职预测(附学习视频)
Kaggle案例~R可视化分析美国枪击案(附数据集和代码)
1.散点图/气泡图
2.管道操作
3.折线图
4.饼图
5.雷达图:
6.比较有趣的dashboard
基本上常用的数据图表展示recharts都可以很方便和很酷炫的展示,作者只是挑选了几个比较常用的图表类型做了抛砖迎玉.
具体的细节各位可以去查看具体的文档:https://madlogos.github.io/recharts/index_cn.html#-en
往期回顾
R可视化分析链家网南京楼市数据
kaggle案例:数据科学社区调查报告(附学习视频)
kaggle案例:员工离职预测(附学习视频)
Kaggle案例~R可视化分析美国枪击案(附数据集和代码)
一.安装方式
if (!require(devtools)) library(devtools) install_github("madlogos/recharts")
二.使用方法:
1.散点图/气泡图echartr(iris, x=SepalWidth, y=PetalWidth) 多个维度:series控制 echartr(iris, x=SepalWidth, y=PetalWidth, series=Species) 气泡图:type:标签控制 echartr(iris, SepalWidth, PetalWidth,series = Species, weight=PetalLength, type='bubble')
2.管道操作
echartr(iris, SepalWidth, PetalWidth, weight=PetalLength) %>% setDataRange(calculable=TRUE, splitNumber=0, labels=c('Big','Small'), color=c('red', 'yellow', 'green'), valueRange=c(0, 2.5))
3.折线图
先改造下内置数据集: aq <- airquality aq$Date <- as.Date(paste('1973', aq$Month, aq$Day, sep='-')) aq$Day <- as.character(aq$Day) aq$Month <- factor(aq$Month, labels=c("May", "Jun", "Jul", "Aug", "Sep")) echartr(aq, Date, Temp, type='line') %>% setTitle('NY Temperature May - Sep 1973') %>% setSymbols('none') 含有分类属性: echartr(aq, Day, Temp, Month, type='line') %>% setTitle('NY Temperature May - Sep 1973, by Month') %>% setSymbols('emptycircle') 带有时间轴(带有动态效果哦~~~): echartr(aq, Day, Temp, t=Month, type='line') %>% setTitle('NY Temperature May - Sep 1973, by Month') %>% setSymbols('emptycircle') 也可画面积图:type属性控制 echartr(aq, Day, Temp, Month, type='area', subtype='stack') %>% setTitle('NY Temperature May - Sep 1973, by Month') %>% setSymbols('emptycircle')
4.饼图
重构内置数据集 titanic <- data.table::melt(apply(Titanic, c(1,4), sum)) names(titanic) <- c('Class', 'Survived', 'Count') knitr::kable(titanic) 画饼图,可以和漏斗图切换 echartr(titanic, Class, Count, type='pie') %>% setTitle('Titanic: N by Cabin Class') 多个饼图: echartr(titanic, Survived, Count, facet=Class, type='pie') %>% setTitle('Titanic: Survival Outcome by Cabin Class') 环图: echartr(titanic, Survived, Count, facet=Class, type='ring') %>% setTitle('Titanic: Survival Outcome by Cabin Class') 信息图样环图: ds <- data.frame(q=c('68% feel good', '29% feel bad', '3% have no feelings'), a=c(68, 29, 3)) g <- echartr(ds, q, a, type='ring', subtype='info') %>% setTheme('macarons', width=800, height=600) %>% setTitle('How do you feel?','ring_info', pos=c('center','center', 'horizontal')) g 南丁格尔玫瑰图: echartr(titanic, Class, Count, facet=Survived, type='rose', subtype='radius') %>% setTitle('Titanic: Survival Outcome by Cabin Class')
5.雷达图:
重构内置数据集 cars = mtcars[c('Merc 450SE','Merc 450SL','Merc 450SLC'), c('mpg','disp','hp','qsec','wt','drat')] cars$model <- rownames(cars) cars <- data.table::melt(cars, id.vars='model') names(cars) <- c('model', 'indicator', 'Parameter') knitr::kable(cars) 单个雷达图 echartr(cars, indicator, Parameter, model, type='radar', sub='fill') %>% setTitle('Merc 450SE vs 450SL vs 450SLC') 多个雷达图: echartr(cars, indicator, Parameter, facet=model, type='radar') %>% setTitle('Merc 450SE vs 450SL vs 450SLC')
6.比较有趣的dashboard
构造一个数据集: data = data.frame(x=rep(c('KR/min', 'Kph'), 2), y=c(3.3, 56, 9.5, 88), z=c(rep('t1', 2), rep('t2', 2))) knitr::kable(data) echartr(data, x, y, type='gauge') 多个dashboard: echartr(data, x, y, facet=x, type='gauge') 带时间轴: echartr(data, x, y, facet=x, t=z, type='gauge')
基本上常用的数据图表展示recharts都可以很方便和很酷炫的展示,作者只是挑选了几个比较常用的图表类型做了抛砖迎玉.
具体的细节各位可以去查看具体的文档:https://madlogos.github.io/recharts/index_cn.html#-en
相关文章推荐
- 常用的数据可视化图表锦集
- Jawbone Up 数据的按小时统计及可视化(R 语言实现)
- Python数据可视化:使用pyecharts和snapshot绘制精美图表
- 交互式数据可视化在Python中用Bokeh实现
- 看图识“字”(12)-图表使数据可视化更加便利
- Echarts助力大数据绘制可视化图表零基础入门-针对运维
- [译]学习IPython进行交互式计算和数据可视化(五)
- 浅谈BI实时图表实现数据可视化的原理
- IBM:gnuplot 让您的数据可视化 自由控制高级图表和数据绘图
- 强大的图表制作,前端数据可视化,echarts
- 数据可视化:基本图表
- R语言数据可视化之初级绘图(上)
- 数据可视化之常见图表
- 第五篇:R语言数据可视化之散点图
- [译]学习IPython进行交互式计算和数据可视化(六)
- 第一篇:R语言数据可视化概述(基于ggplot2)
- 数据可视化:基本图表
- 数据可视化:常用图表使用总结
- R语言数据可视化
- Webstorm+Webpack+echarts构建个性化定制的数据可视化图表&&两个echarts详细教程(柱状图,南丁格尔图)