-
Notifications
You must be signed in to change notification settings - Fork 0
/
prezentacja_JRom_2020-11-25.Rmd
475 lines (347 loc) · 11.8 KB
/
prezentacja_JRom_2020-11-25.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
---
title: "Obraz jest wart tysiąca słów"
subtitle: "pasywne i interaktywne wizualizacje w R"
author: "Julia Romanowska"
institute: "BIOS, UiB"
date: "25.11.2020"
output:
xaringan::moon_reader:
css: xaringan-themer.css
lib_dir: libs
nature:
highlightStyle: github
highlightLines: true
countIncrementalSlides: false
---
```{r setup, include=FALSE}
options(htmltools.dir.version = FALSE)
library(xaringanthemer)
style_solarized_light(
code_font_size = "0.7rem",
code_inline_font_size = "0.9rem"
)
xaringanExtra::use_clipboard()
xaringanExtra::use_fit_screen()
library(flipbookr)
library(tidyverse)
library(palmerpenguins)
library(ggiraph)
```
class: middle, center
## Julia Romanowska
### biostatystyka, wizualizacje, data scientist
### współzałożycielka R-Ladies Bergen
**Uniwersytet w Bergen, Norwegia**
https://jrom.bitbucket.io/homepage/
???
Witam, kilka słów o mnie - jestem bioinformatykiem na Uniwersytecie w Bergen
w Norwegii, ale moją pasją są wizualizacje. W dzisiejszym świecie, gdzie
jest tyle danych, tyle informacji, że nikt nie jest w stanie tego przetrawić,
coraz ważniejsza jest dobra wizualizacja tych danych, żeby przekonać siebie
lub innych o tym jaką wiadomość przekazują te dane.
---
## INFO
- [github repozytorium](https://github.com/jromanowska/Wizualizacje_R) z kodem i tą prezentacją
- [slajdy online](https://jromanowska.github.io/Wizualizacje_R/)
- prezentacja zrobiona w Rmarkdown, z użyciem:
- `xaringan`,
- `xaringanthemer`
- `xaringanextra`
- `flipbookr`
- kod na slajdach można skopiować (*"Copy code"* w górnym prawym rogu)
- jeśli chcesz zobaczyć notatki, kliknij *"p"*
???
Zanim zaczniemy, kilka informacji - repozytorium zawiera kod i prezentację.
---
class: left, inverse, bottom
# PLAN
## Wstęp - jak projektować grafikę?
## Krótko o ggplot2
## Interaktywne grafy
### na szybko
### i trochę wolniej
???
Oto plan na następne 28 minut - najpierw dam kilka wskazówek co do tego jak
zaplanować naszą wizualizację, potem, pokażę krótko ciekawe rzeczy w ggplot2 i
na końcu pokażę jak w R można robić interaktywne wizualizacje - prosto
i trochę bardziej zaawansowanie.
---
*For a graph to be effective, it must be easy for its audience to decode and interpret.*
[Duke, S. P. et al. Stat.Med. 34 (2015)](https://doi.org/10.1002/sim.6549)
<br>
![](INFO_Napoleon.jpg)
<p style="font-size: small; font-style: italic;">[src: Charles Joseph Minard, Napoleon’s March InfoGraphic]</p>
???
Ten rysunek pewnie widzieliście nie raz. Wyprawa Napoleona na Moskwę podsumowana
w pięknym grafie francuskiego statystyka Minard'a. Przypatrzmy się trochę.
Na tym rysunku jest tak naprawdę 5 różnych typów danych:
- przede wszystkim, dane geograficzne
- grubość linii pokazuje jak wielu żołnierzy miał Napoleon na kolejnych odcinkach
- kolor linii mówi nam czy to był marsz na Moskwę czy odwrót
- na dole mamy czas w trakcie odwrotu
- oraz temperaturę, bo to nie tylko rosyjskie wojska, ale też zima wykończyła Napoleona
OK, ale jak zaprojektować taką piękną wizualizację? Czy jest jakiś łatwy przepis?
---
## Wstęp - jak projektować grafikę?
- eksploruj dane
- wypróbuj różne typy grafów **na kartce!**
- wybierz kolorystykę
- jaką wiadomość przekazuje grafika?
???
_Łatwego_ przepisu nie ma, ale są wskazówki. Przede wszystkim, trzeba poznać
dane - więc sprawdzić jakiego są typu, czy są braki danych, czy niektóre
elementy są zależne od siebie, itp.
Potem, można zacząć myśleć o tym jaki typ grafu wybrać, ale *uwaga* - najlepiej
szkicować ołówkiem na kartce!
Jeśli już uznamy, że znaleźliśmy ten najlepszy typ, to można wybrać kolory i
sprawdzić jak będzie to wyglądało np. w ggplot - czy rzeczywiście przedstawia
ten graf to co chcieliśmy?
--
- dobre książki:
- ["Info We Trust", RJ Andrews](https://www.amazon.com/Info-We-Trust-Inspire-World/dp/1119483891)
- ["Storytelling with Data"](https://www.amazon.com/Storytelling-Data-Visualization-Business-Professionals/dp/1119002257) and ["Storytelling with Data / Let's practice!"](https://www.amazon.com/Storytelling-Data-Cole-Nussbaumer-Knaflic/dp/1119621496), Cole Nussbaumer Knaflic
???
Nie mam tu czasu, żeby pokryć całą tematykę wyboru typu grafu czy kolorystyki.
Jest o tym mnóstwo książek - ja polecam te trzy, które czyta się bardzo łatwo,
gdyż nie skupiają się na technicznych detaljach, a raczej na ogólnych zasadach.
---
class: inverse, left, middle
## ggplot2 i rozszerzenia
???
OK - teraz czas na akcję - ggplot2. Zakładam, że umiecie trochę rysować w R,
jeśli nie, to jest mnóstwo wspaniałych tutoriali online.
---
<div style="float: right; position: fixed; right: 10px; top: 10px;">
<img style="float: right; position: relative; width: 120px" src="palmer_penguins_logo.png" alt="ggiraph"/><br>
</div>
[palmerpenguins](https://allisonhorst.github.io/palmerpenguins/)
<br><br><br>
```{r}
penguins
```
???
Będę używać takiego zestawu danych, który jest dostępny w pakiecie "palmerpenguins"
i który zawiera informacje o morfologii pingwinów z pewnych wysp.
---
```{r penguins_species, include = FALSE}
ggplot(data = penguins) +
aes(x = bill_length_mm,
y = bill_depth_mm) +
geom_point(
aes(color = species,
shape = species),
size = 2) +
geom_smooth(method = "lm",
se = FALSE,
aes(color = species))
penguins_default <- last_plot()
```
`r chunk_reveal("penguins_species", break_type = "auto", chunk_options = "warning = FALSE", font_size_code = "50%")`
???
Podstawowe rysowanie w ggplot2:
- 'aesthetics' + data + geom
---
```{r penguins_species2, include = FALSE}
penguins_default +
scale_color_manual(
values = c("darkorange",
"darkorchid",
"cyan4")
) +
facet_grid(rows = vars(species)) +
labs(title =
"Penguin species differentation") +
labs(subtitle =
"based on bill depth and bill length") +
xlab("bill length (mm)") +
ylab("bill depth (mm)") +
theme_minimal() +
theme(
plot.title =
element_text(face = "bold"),
plot.subtitle =
element_text(face = "italic")) +
theme(legend.position = "none")
```
`r chunk_reveal("penguins_species2", break_type = "auto", chunk_options = "warning = FALSE", font_size_code = "50%")`
???
OK, to był podstawowy graf. Teraz zróbmy go wyjątkowego.
- zmiana kolorystyki,
- rozbicie na podgrafy wg.gatunku,
- dodanie tytułu
- podpisy na osiach
- wygląd grafu
---
## tips and tricks
- **kolory**
- [ColorBrewer](https://colorbrewer2.org)
wbudowane w ggplot2 [`scale_color_brewer`](https://ggplot2.tidyverse.org/reference/scale_brewer.html)
- [sanzo palette](https://github.com/jmaasch/sanzo)
można zainstalować z CRANa
- mnóstwo innych możliwości: np. [paletteer](https://emilhvitfeldt.github.io/paletteer/)
- **roszerzenia**
- [ggrepel](https://ggrepel.slowkow.com/)
ładniejsze pozycjonowanie napisów
- [gggenes](https://wilkox.org/gggenes/)
wizualizacja genów jako strzałek
- mnóstwo innych możliwości: [ggextensions](https://exts.ggplot2.tidyverse.org/gallery/)
???
Jest mnóstwo innych pakietów, które pozwalają na dopasowanie naszych obrazków
do naszego gustu.
---
class: inverse, left, middle
# Interaktywne grafy
## na szybko
???
Jednak na takim grafie przedstawimy tylko 2 dane: długość i szerokość dzioba pingwinów.
Jeśli chcemy _jednocześnie_ pokazać inne dane, musimy zrobić więcej grafów, albo...
spróbować dodać elementy interaktywne.
---
<div style="float: right; position: fixed; right: 10px; top: 10px;">
<img style="float: right; position: relative;" src="ggiraph_logo.png" alt="ggiraph"/><br>
</div>
## ggiraph
https://davidgohel.github.io/ggiraph
- do gotowego grafu `ggplot` dodaje interaktywność
- rozszerza `ggplot2` o `geom`y:
- `geom_point_interactive`
- `geom_tile_interactive`
- `scale_fill_manual_interactive`
- i wiele więcej
---
```{r}
penguins
```
---
```{r}
penguins_int <- penguins %>%
mutate(hover_text =
paste0("This ", sex,
" lives at ", island,
" and was measured in ", year))
penguins_int %>%
select(hover_text)
```
---
```{r ggiraph_test, include=FALSE}
penguins_int_plot <- ggplot(
data = penguins_int
) +
aes(x = bill_length_mm,
y = bill_depth_mm) +
geom_point_interactive( #<<
aes(color = species,
shape = species,
tooltip = hover_text), #<<
size = 2) +
geom_smooth(method = "lm",
se = FALSE,
aes(color = species)) +
scale_color_manual(
values = c(
"darkorange",
"darkorchid",
"cyan4")) +
labs(title =
"Penguin species differentation") +
xlab("bill length (mm)") +
ylab("bill depth (mm)") +
theme_minimal() +
theme(
plot.title =
element_text(face = "bold"),
plot.subtitle =
element_text(face = "italic")) +
theme(legend.position = "bottom") #BREAK
girafe(ggobj = penguins_int_plot) #BREAK
```
`r chunk_reveal("ggiraph_test", break_type = "user", font_size_code = "50%", chunk_options = "warning = FALSE")`
---
<div style="float: right; position: fixed; right: 10px; top: 10px;">
<img style="float: right; position: relative;" src="plotly.png" alt="plotly"/><br>
</div>
## ggplotly
- [Plotly + ggplot2](https://plotly.com/ggplot2/)
---
```{r ggplotly_test, include=FALSE}
penguins_int_plot <- ggplot(
data = penguins_int #<<
) +
aes(x = bill_length_mm,
y = bill_depth_mm,
text = hover_text) + #<<
geom_point(
aes(color = species,
shape = species),
size = 2) +
scale_color_manual(
values = c(
"darkorange",
"darkorchid",
"cyan4")) +
labs(title =
"Penguin species differentation") +
xlab("bill length (mm)") +
ylab("bill depth (mm)") +
theme_minimal() +
theme(plot.title =
element_text(face = "bold")) #BREAK
plotly::ggplotly( #<<
penguins_int_plot, #<<
tooltip = "text") #BREAK
```
`r chunk_reveal("ggplotly_test", break_type = "user", font_size_code = "50%", chunk_options = "warning = FALSE")`
---
class: inverse, left, middle
# Interaktywne grafy
## zaawansowane
???
Chcecie jeszcze więcej? Proszę bardzo!
---
<div style="float: right; position: fixed; right: 10px; top: 10px;">
<img style="float: right; position: relative;" src="highcharter_logo.png" alt="highcharter"/><br>
</div>
## highcharter
https://jkunst.com/highcharter/
- implementacja R biblioteki javascript [`highcharts`](https://www.highcharts.com/demo)
- trochę jak ggplot:
- dodajemy warstwy danych funkcją `hc_add_series`
- dodajemy warstwy wizualne funkcją `hcaes`
- szybkie rysowanie przez funkcję `hchart`
- dodajemy elementy przez odpowiednie funkcje `hc_`,
np. `hc_title` dodaje tytuł,
`hc_colorAxis` definiuje paletę kolorów i dodaje legendę
--
- mnóstwo przykładów:
https://jkunst.com/highcharter/articles/showcase.html
- bardziej zaawansowany przykład:
https://jrom.bitbucket.io/showcase/
- kod: https://bitbucket.org/jrom/jrom.bitbucket.io/src/master/showcase/index.Rmd
---
## Interaktywny Rmarkdown
- [flexdashboard](https://rmarkdown.rstudio.com/flexdashboard/index.html)
- Rmarkdown z ekstra opcjami
- dzięki `htmlwidgets` można łatwo umieszczać interaktywne komponenty
- dzięki `crosstalk` można łączyć komponenty
- [htmlwidgets](https://www.htmlwidgets.org/)
- wybierz spośród gotowych funkcji R
- kompilacja do JS i HTML
- [crosstalk](https://rstudio.github.io/crosstalk/)
- dodaj zależności pomiędzy komponentami
---
```yaml
---
title: "Interactive results"
output:
flexdashboard::flex_dashboard:
orientation: columns
vertical_layout: scroll
theme: paper
---
Column {.tabset}
-----------------------------------------------------------------------
``{r}
# twój kod z np. ggplotly
``
```
[Kliknij tu, żeby zobaczyć przykład](flexdashboard_penguins.html)