本文是本人受统计之都邀请写的一篇关于数据可视化的文章，感兴趣的同学可以上统计之都去查看。

http://cos.name/2016/06/using-r-for-interactive-data-visualization/

上周在中国R语言大会北京会场上，给大家分享了如何利用R语言交互数据可视化。现场同学对这块内容颇有兴趣，故今天把一些常用的交互可视化的R包搬出来与大家分享。

rCharts包

说起R语言的交互包，第一个想到的应该就是rCharts包。该包直接在R中生成基于D3的Web界面。

rCharts包的安装

require(devtools)install_github('rCharts','ramnathv')

rCharts函数就像lattice函数一样，通过formula、data指定数据源和绘图方式，并通过type指定图表类型。

下面通过例子来了解下其工作原理。我们以鸢尾花数据集为例，首先通过name函数对列名进行重新赋值（去掉单词间的点），然后利用rPlot函数绘制散点图(type=”point”)，并利用颜色进行分组（color=”Species”）。

library(rCharts)names(iris)=gsub("\\.","",names(iris))p1<-rPlot(SepalLength~SepalWidth|Species,data=iris,color='Species',type='point')p1

rCharts支持多个javascript图表库,每个都有自己的长处。每一个图表库有多个定制选项,其中大部分rCharts都支持。

NVD3 是一个旨在建立可复用的图表和组件的 d3.js 项目——它提供了同样强大的功能，但更容易使用。它可以让我们处理复杂的数据集来创建更高级的可视化。在rCharts包中提供了nPlot函数来实现。

下面以眼睛和头发颜色的数据(HairEyeColor)为例说明nPlot绘图的基本原理。我们按照眼睛的颜色进行分组(group=”eye”),对头发颜色人数绘制柱状图，并将类型设置为柱状图组合方式(type=”multiBarChart”)，这样可以实现分组和叠加效果。

library(rCharts)hair_eye_male<-subset(as.data.frame(HairEyeColor),Sex=="Male")hair_eye_male[,1]<-paste0("Hair",hair_eye_male[,1])hair_eye_male[,2]<-paste0("Eye",hair_eye_male[,2])n1<-nPlot(Freq~Hair,group="Eye",data=hair_eye_male,type="multiBarChart")n1

可以通过图形右上角选择需要查看或隐藏的类别（默认是全部类别显示的），也能通过左上角选择柱子是按照分组还是叠加的方式进行摆放（默认是分组方式）。如果选择Stacked，就会绘制叠加柱状图。

Highcharts是一个制作图表的纯Javascript类库，支持大部分的图表类型：直线图，曲线图、区域图、区域曲线图、柱状图、饼状图、散布图等。在rCharts包中提供了hPlot函数来实现。

以MASS包中的学生调查数据集survery为例，说明hPlot绘图的基本原理。我们绘制学生身高和每分钟脉搏跳动次数的气泡图，以年龄变量作为调整气泡大小的变量。

library(rCharts)a<-hPlot(Pulse~Height,data=MASS::survey,type="bubble",title="Zoomdemo",subtitle="bubblechart",size="Age",group="Exer")a$colors('rgba(223,83,83,.5)','rgba(119,152,191,.5)','rgba(60,179,113,.5)')a$chart(zoomType="xy")a$exporting(enabled=T)a

rCharts包可以画出更多漂亮的交互图，http://ramnathv.github.io/rCharts/和https://github.com/ramnathv/rCharts/tree/master/demo有更多的例子可供大家学习。

recharts包

学习完rCharts包，可能有读者会问，我们有没有国人开发的包实现相似的效果呢？这边给大家推荐一个同样功能强大的recharts包。

本包来源于百度开发的国内顶尖水平的开源d3-js可视项目Echarts(Github Repo)。Yang Zhou和Taiyun Wei基于该工具开发了recharts包，经Yihui Xie修改后，可通过htmlwidgets传递js参数，大大简化了开发难度。但此包开发仍未完成。为了赶紧上手用，基于该包做了一个函数echartR（下载至本地，以后通过source命令加载），用于制作基础Echart交互图。需要R版本>=3.2.0.

安装方式如下：

library(devtools)install_github('yihui/recharts')

安装完后，需要在https://github.com/madlogos/recharts/blob/master/R/echartR.R将echartR.R脚本下载到本地。

假如想对鸢尾花数据集绘制散点图，可以执行如下代码：

source("~echartR.R")names(iris)=gsub("\\.","",names(iris))echartR(data=iris,x=~SepalLength,y=~PetalWidth,series=~Species,type='scatter')

绘制柱状图：

hair_eye_male<-subset(as.data.frame(HairEyeColor),Sex=="Male")hair_eye_male[,1]<-paste0("Hair",hair_eye_male[,1])hair_eye_male[,2]<-paste0("Eye",hair_eye_male[,2])echartR(data=hair_eye_male,x=Hair,y=~Freq,series=~Eye,type='bar',palette='fivethirtyeight',xlab='Hair',ylab='Freq')

玫瑰图：

dtcars<-mtcarsdtcars$car<-row.names(dtcars)dtcars$transmission<-as.factor(dtcars$am)levels(dtcars$transmission)<-c("Automatic","Manual")dtcars$cylinder<-as.factor(dtcars$cyl)dtcars$carburetor<-as.factor(dtcars$carb)echartR(dtcars,x=~cylinder,y=~car,type='rose',palette='colorblind',title='NumberofCylinders',subtitle='(source:mtcars)')

雷达图：

player<-data.frame(name=c(rep("PhilippLahm",8),rep("DaniAlves",8)),para=rep(c("Passing%","Keypassing","Compcrosses","Crossing%","Successfuldribbles","Dispossessed","Dribbledpast","Fouls"),2),value=c(89.67,1.51,0.97,24.32,0.83,0.86,1.15,0.47,86.62,2.11,0.99,20.78,1.58,1.64,0.9,1.71))echartR(player,x=~para,y=~value,series=~name,type='radarfill',symbolList='none',palette=c('firebrick1','dodgerblue'),title='LahmvsAlves',subtitle='(by@mixedknuts)')

plotly包

接下来要给大家介绍的是另一个功能强大的plotly包。它是一个基于浏览器的交互式图表库，它建立在开源的JavaScript图表库plotly.js之上。

有两种安装方式：

install.packages("plotly")

或者

devtools::install_github("ropensci/plotly")

plotly包利用函数plot_ly函数绘制交互图。

如果相对鸢尾花数据集绘制散点图，需要将mode参数设置为”markers”。

library(plotly)p<-plot_ly(iris,x=Petal.Length,y=Petal.Width,color=Species,colors="Set1",mode="markers")p

如果想绘制交互箱线图，需要将type参数设置为box。

library(plotly)plot_ly(midwest,x=percollege,color=state,type="box")

如果你已熟悉ggplot2的绘图系统，也可以针对ggplot2绘制的对象p，利用ggplotly函数实现交互效果。例如我们想对ggplot绘制的密度图实现交互效果，执行以下代码即可。

library(plotly)p<-ggplot(data=lattice::singer,aes(x=height,fill=voice.part))+geom_density()+facet_grid(voice.part~.)(gg<-ggplotly(p))

其他

此外还有很多好玩有用的交互包。例如专门用来画交互时序图的dygraphs包，可通过install.packages(“dygraphs”)安装。

library(dygraphs)lungDeaths<-cbind(mdeaths,fdeaths)dygraph(lungDeaths)%>%dySeries("mdeaths",label="Male")%>%dySeries("fdeaths",label="Female")%>%dyOptions(stackedGraph=TRUE)%>%dyRangeSelector(height=20)

DT包实现R数据对象可以在HTML页面中实现过滤、分页、排序以及其他许多功能。通过install.packages(“DT”)安装。

以鸢尾花数据集iris为例，执行以下代码：

library(DT)datatable(iris)

networkD3包可实现D3 JavaScript的网络图，通过install.packages(“networkD3”)安装。

下面是绘制一个力导向的网络图的例子。

#加载数据data(MisLinks)data(MisNodes)#画图forceNetwork(Links=MisLinks,Nodes=MisNodes,Source="source",Target="target",Value="value",NodeID="name",Group="group",opacity=0.8)

我们可以通过d3treeR包绘制交互treemap图，利用

devtools::install_github("timelyportfolio/d3treeR")

完成d3treeR包安装。

library(treemap)library(d3treeR)data("GNI2014")tm<-treemap(GNI2014,index=c("continent","iso3"),vSize="population",vColor="GNI",type="value")d3tree(tm,rootname="World")

今天主要是介绍了几个R常用的交互包。在R的环境中，动态交互图形的优势在于能和knitr、shiny等框架整合在一起，能迅速建立一套可视化原型系统。希望以后再跟各位分享这部分的内容。