Interaktiva diagram med plotly

Bygga dashboards med shinydashboard

Png Kee Seng

Researcher

Exempel: Airbnb-annonser i London

Vi arbetar på ett researrangemang i London

Ett samarbete har inletts med 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 ...
...

Kom igång med plotly

Importera plotly-biblioteket
```
library(plotly)
```
Ett plotly-objekt skapas genom att placera ett ggplot-objekt i ggplotly()
```
ggplotly(<ggplot object>)
```

Bubbeldiagram med ggplot

Skapa ett bubbeldiagram och spara det som bubble
- Visa sambandet mellan genomsnittligt price och availability_365
- Olika färg på bubblan för varje room_type
- Bubbelns storlek är proportionell mot antalet annonser
- Lägg till lager för att förbättra utseendet

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()

Bubbeldiagram med ggplot, renderat

Ett vanligt bubbeldiagram skapat med ggplot.

Interaktivt bubbeldiagram med plotly

Lägg bubble i ggplotly()

ggplotly(bubble)

Ett interaktivt plotly-bubbeldiagram.

Horisontella lådagram med plotly

Vissa diagram kan inte konverteras korrekt
Skapa en serie horisontellt orienterade lådagram
- Beskriv fördelningen av availability_365 med avseende på room_type
Konvertering med ggplotly() fungerar inte

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)

Horisontellt orienterade lådagram skapade med ggplot.

Horisontellt orienterade lådagram konverterade med ggplotly.

Vertikala lådagram med plotly

Byt plats på x och y i aes()
Konvertering med plotly fungerar nu

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)

Vertikalt orienterade lådagram med ggplot.

Vertikalt orienterade lådagram med ggplotly.

Fixa horisontella lådagram med plotly

Vad gör vi om vi vill ha horisontella lådagram?
- Lägg till coord_flip()
Vi kan också använda facet_wrap()
- Varje panel måste vara tillräckligt stor

ggplotly(boxV + coord_flip())

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

Vända vertikala plotly-lådagram.

Facetterade plotly-lådagram.

Nu kör vi en övning!

Bygga dashboards med shinydashboard