Interaktywne wykresy z plotly

Tworzenie dashboardów z shinydashboard

Png Kee Seng

Researcher

Przykład: oferty Airbnb w Londynie

Wyobraźmy sobie, że pracujemy w agencji turystycznej w Londynie

Nawiązano współpracę z Airbnb

library(tidyverse)
listings <- read_csv("../data/listings.csv")

...
 $ host_name                     : chr [1:69351] "Susie" "Alina" "Luca" "Simon" ...
 $ neighbourhood_group           : logi [1:69351] NA NA NA NA NA NA ...
 $ neighbourhood                 : chr [1:69351] "Tower Hamlets" "Islington" "Tower Hamlets" "Islington" ...
 $ latitude                      : num [1:69351] 51.5 51.6 51.5 51.5 51.5 ...
 $ longitude                     : num [1:69351] -0.054 -0.1127 -0.0743 -0.1048 -0.2 ...
 $ room_type                     : chr [1:69351] "Private room" "Private room" "Entire home/apt" "Private room" ...
 $ price                         : num [1:69351] 55 50 90 180 297 75 204 379 90 30 ...
 $ minimum_nights                : num [1:69351] 3 1 5 4 14 3 2 4 3 7 ...
 $ number_of_reviews             : num [1:69351] 65 30 42 493 6 89 581 51 104 32 ...
 $ last_review                   : Date[1:69351], format: "2016-06-10" "2022-07-15" "2022-01-04" "2022-09-02" ...
 $ reviews_per_month             : num [1:69351] 0.47 0.2 0.34 3.59 0.05 0.57 4.26 0.36 0.86 0.29 ...
 $ calculated_host_listings_count: num [1:69351] 1 2 1 5 1 1 1 5 1 1 ...
 $ availability_365              : num [1:69351] 74 343 222 236 180 70 193 249 318 251 ...
...

Pierwsze kroki z plotly

Zaimportuj bibliotekę plotly
```
library(plotly)
```
Obiekt plotly tworzy się przez umieszczenie obiektu ggplot w ggplotly()
```
ggplotly(<ggplot object>)
```

Wykres bąbelkowy w ggplot

Utwórzmy wykres bąbelkowy i zapiszmy go jako bubble
- Pokaż zależność między średnią price a availability_365
- Każdy room_type w innym kolorze
- Rozmiar bąbelka proporcjonalny do liczby ofert
- Dodaj warstwy upiększające

bubble <- listings %>%

  group_by(room_type, neighbourhood) %>%
  summarise(avg_price = mean(price, na.rm=TRUE),
            avg_availability = mean(availability_365, 
                                        na.rm=TRUE),

            Count = n(), .groups = "drop") %>%

  ggplot(aes(x = avg_price, y = avg_availability,

                  color = room_type,

                size = Count)) +

  geom_point() +

labs(x = "Average price", 
      y = "Average availability", 
    color = "Room type") +
  theme_classic()

Wykres bąbelkowy w ggplot – wynik

Zwykły wykres bąbelkowy utworzony w ggplot.

Interaktywny wykres bąbelkowy z plotly

Umieść bubble w ggplotly()

ggplotly(bubble)

Interaktywny wykres bąbelkowy plotly.

Poziome wykresy pudełkowe z plotly

Niektórych wykresów nie można poprawnie przekonwertować
Utwórz serię poziomych wykresów pudełkowych
- Opisz rozkład availability_365 względem room_type
Konwersja przez ggplotly() nie działa

boxH <- listings %>%

  ggplot(aes(x = availability_365, y=room_type)) +

  geom_boxplot() +

  labs(x="Availbility (out of 365 days)", 
          y="Room type") + theme_classic()

ggplotly(boxH)

Poziome wykresy pudełkowe utworzone w ggplot.

Poziome wykresy pudełkowe przekonwertowane przez ggplotly.

Pionowe wykresy pudełkowe z plotly

Zamień x i y w aes()
Konwersja przez Plotly będzie teraz działać

boxV <- listings %>%

  ggplot(aes(y = availability_365, x=room_type)) +
  geom_boxplot() +
  labs(y="Availbility (out of 365 days)", x="Room type") + 
  theme_classic()

ggplotly(boxV)

Pionowe wykresy pudełkowe w ggplot.

Pionowe wykresy pudełkowe w ggplotly.

Naprawa poziomych wykresów pudełkowych w plotly

Jak uzyskać poziome wykresy pudełkowe?
- Dodaj coord_flip()
Można też użyć facet_wrap()
- Każdy panel musi być wystarczająco duży

ggplotly(boxV + coord_flip())

ggplotly(boxV + coord_flip() + 
    facet_wrap(~neighbourhood))

Odwrócone pionowe wykresy pudełkowe plotly.

Wykresy pudełkowe plotly z podziałem na panele.

Czas na ćwiczenia!

Tworzenie dashboardów z shinydashboard