plotlyKhóa học được trình bày bởi [DataCamp] (https://campus.datacamp.com/courses/interactive-data-visualization-with-plotly-in-r/introduction-to-plotly?ex=3). Plotly là R packages được sử dụng để vẽ interactive graphs.
Một số đồ thị từ ggplot2 có thể được chuyển sang interactive graph với sự hỗ trợ của function ggplotly, nhưng không phải tất cả các đồ thị.
# Load the plotly package
library(plotly)
vgsales <- read.csv("data/vgsales.csv")
# str(vgsales)
library(DT)
datatable(vgsales[,1:5], options = list(pageLength = 5))
# Store the scatterplot of Critic_Score vs. NA_Sales sales in 2016
scatter <- vgsales %>%
filter(Year == "1990") %>%
ggplot(aes(x = NA_Sales, y = JP_Sales)) +
geom_point(alpha = 0.3)
# Convert the scatterplot to a plotly graphic
ggplotly(scatter)
Dữ liệu về rượu vang đỏ. Hiện biến quality đang là biến định lượng. Chúng ta cần chuyển sang biến định tính.
# Import data
library(readxl)
wine <- read_excel("data/wine.xlsx")
colnames(wine) <- c("type", "fixed_acidity", "volatile_acidity",
"citric_acid", "residual_sugar", "chlorides",
"free_sulfur_dioxide", "total_sulfur_dioxide",
"density", "pH", "sulphates", "alcohol", "quality")
library(dplyr)
glimpse(wine) # giống str(wine)
## Observations: 6,497
## Variables: 13
## $ type <chr> "red", "red", "red", "red", "red", "red", "red...
## $ fixed_acidity <dbl> 7.4, 7.8, 7.8, 11.2, 7.4, 7.4, 7.9, 7.3, 7.8, ...
## $ volatile_acidity <dbl> 0.700, 0.880, 0.760, 0.280, 0.700, 0.660, 0.60...
## $ citric_acid <dbl> 0.00, 0.00, 0.04, 0.56, 0.00, 0.00, 0.06, 0.00...
## $ residual_sugar <dbl> 1.9, 2.6, 2.3, 1.9, 1.9, 1.8, 1.6, 1.2, 2.0, 6...
## $ chlorides <dbl> 0.076, 0.098, 0.092, 0.075, 0.076, 0.075, 0.06...
## $ free_sulfur_dioxide <dbl> 11, 25, 15, 17, 11, 13, 15, 15, 9, 17, 15, 17,...
## $ total_sulfur_dioxide <dbl> 34, 67, 54, 60, 34, 40, 59, 21, 18, 102, 65, 1...
## $ density <dbl> 0.9978, 0.9968, 0.9970, 0.9980, 0.9978, 0.9978...
## $ pH <dbl> 3.51, 3.20, 3.26, 3.16, 3.51, 3.51, 3.30, 3.39...
## $ sulphates <dbl> 0.56, 0.68, 0.65, 0.58, 0.56, 0.56, 0.46, 0.47...
## $ alcohol <dbl> 9.4, 9.8, 9.8, 9.8, 9.4, 9.4, 9.4, 10.0, 9.5, ...
## $ quality <dbl> 5, 5, 5, 6, 5, 5, 5, 7, 7, 5, 5, 5, 5, 5, 5, 5...
# colnames(wine)
# rand_dat <- sample(1:6497,500, replace = FALSE)
# wine <- wine1[rand_dat,]
# Quality as factor
wine$quality <- as.factor(wine$quality)
Để vẽ barchart bằng plotly cần:
count()~add_bars()freqtab <- wine %>%
count(quality)
colnames(freqtab)[2] <- "frequency"
print(freqtab)
## # A tibble: 7 x 2
## quality frequency
## <fct> <int>
## 1 3 30
## 2 4 216
## 3 5 2138
## 4 6 2836
## 5 7 1079
## 6 8 193
## 7 9 5
Frequency table cho chúng ta thấy có 6 loại chất lượng rượu với tần số tương ứng trong cột n n. Và chúng ta sẽ vẽ biểu đồ barchart cho frequency table này bằng đoạn code bên dưới. Điểm thú vị của interactive plot là khi các bạn di chuyển chuột đến biểu đồ cột, giá trị của trục x và y sẽ lần lượt được hiện ra.
freqtab %>%
plot_ly(x=~quality, y=~frequency) %>%
add_bars()
Trong trường hợp chúng ta muốn reorder quality dựa trên frequency của các nghiệm thức tương ứng, chúng ta sử dụng function fct_reorder trong package forcats và argument .desc. Phương pháp sử dụng như sau:
library(forcats)
freqtab %>%
mutate(quality = fct_reorder(quality, frequency, .desc=TRUE)) %>%
plot_ly(x=~quality, y=~frequency) %>%
add_bars()
Histogram biểu diễn phân bố của biến định tính, hoàn toàn khác với barchart là biểu đồ phân bố tần số của biến định lượng. Một lưu ý nhỏ là không được để khoảng cách trong tên biến và đó là lý do chúng ta cần đổi tên biến.
wine %>%
plot_ly(x=~total_sulfur_dioxide) %>% # specify aesthetics
add_histogram() # specify graph type
Thay đổi bin width, sử dụng argument nbinsx hay nbinsx = list().
wine %>%
plot_ly(x=~total_sulfur_dioxide) %>% # specify aesthetics
add_histogram(nbinsx = 40) # defind bin numbers
wine %>%
plot_ly(x=~total_sulfur_dioxide) %>% # specify aesthetics
add_histogram(nbinsx = list(start=8, end=300, size=5)) # defind bin numbers
Scatter plot biểu diễn mối quan hệ giữa hai biến định lượng. Trong ví dụ này chúng ta sẽ biểu diễn mối quan hệ giữa citric_acid và giá trị pH.
wine %>%
plot_ly(x=~citric_acid, y=~pH) %>%
add_markers()
Trong trường hợp bạn muốn minh họa thêm sự dao động gây ra được giải thích bởi một biến định tính, ví dụ trong dữ liệu này là biến quality, bạn sử dụng argument color=
wine %>%
plot_ly(x=~citric_acid, y=~pH, color = ~quality) %>%
add_markers()
**Lưu ý: cách coding giữa R và Python hơi khác nhau một chút. Trong Python thường viết:
# Minh họa code scatter plot trong Python
# px.scater(df, x="var.quanti.1", y="var.quanti.2", color="var.quali")
# fig.show()
Biểu diễn mối quan hệ giữa hai biến định tính, ví dụ trong trường hợp này là biến type và quality. Trình tự vẽ stacked bar charts trong plotly như bên dưới. Interactive plot rất hữu ích để bạn có thể lựa chọn biểu diễn riêng biệt kết quả của từng loại rượu bằng cách click vào chú thích bên phải phía trên đồ thị thay vì phải biểu diễn kết quả này thành 2 đồ thị.
wine %>%
count(type, quality) %>% # tính tần số hai biến định tính bằng hàm `count()`
plot_ly(x=~quality, y=~n, color=~type) %>% # mapping aesthetic
add_bars() %>%
layout(barmode="stack")
## Warning in RColorBrewer::brewer.pal(N, "Set2"): minimal value for n is 3, returning requested palette with 3 different levels
## Warning in RColorBrewer::brewer.pal(N, "Set2"): minimal value for n is 3, returning requested palette with 3 different levels
Bài tập: yêu cầu các bạn sort theo tần số, sử dụng function forcats::fct_reorder.
library(forcats)
wine %>%
count(type, quality) %>% # tính tần số hai biến định tính
mutate(quality = fct_reorder(quality, n, .desc=TRUE)) %>% # reorder
plot_ly(x=~quality, y=~n, color=~type) %>% # mapping aesthetic
add_bars() %>%
layout(barmode="stack")
## Warning in RColorBrewer::brewer.pal(N, "Set2"): minimal value for n is 3, returning requested palette with 3 different levels
## Warning in RColorBrewer::brewer.pal(N, "Set2"): minimal value for n is 3, returning requested palette with 3 different levels
Bên dưới là ví dụ về spider chart đơn giản để hiểu về cấu trúc ngữ pháp được trình bày trong plotly.
# Radar chart -------------------------------------------
# https://plot.ly/r/radar-chart/
library(plotly)
fig <- plot_ly(
type = 'scatterpolar',
fill = 'toself'
)
fig <- fig %>%
add_trace(
r = c(39, 28, 8, 7, 28, 39),
theta = c('A','B','C', 'D', 'E', 'A'),
name = 'Group A'
)
fig <- fig %>%
add_trace(
r = c(1.5, 10, 39, 31, 15, 1.5),
theta = c('A','B','C', 'D', 'E', 'A'),
name = 'Group B'
)
fig <- fig %>%
layout(
polar = list(
radialaxis = list(
visible = T,
range = c(0,50)
)
)
)
fig