Einführung
Die quarto-live-Erweiterung bereitet die R- und Python-Umgebungen mit WebAssembly-kompatiblen Grafikgeräten vor, so dass das Plotten sofort funktioniert. In diesem Leitfaden erfahren Sie, wie Sie interaktive Visualisierungen erstellen und Ihre Plots direkt in Ihren Quarto-Dokumenten anpassen können.
Beispiele für dynamische Visualisierung
Nachfolgend finden Sie Beispiele für interaktives Plotten sowohl für R als auch für Python, die Seite an Seite mit einem Quarto-Tabset gezeigt werden.
Quellcode
Anpassen der Plotgröße
Sie können die Plotgröße mit den Zellenoptionen fig-width und fig-height konfigurieren. Die Größe der Abbildungen wird in Zoll gemessen, und die Plots werden mit einer internen 2×-Skalierung gerendert.
Quellcode
```{webr}
#| fig-width: 8
#| fig-height: 4
plot(rnorm(10000), t = 'l')
```Ergebnisse
Quellcode
```{pyodide}
#| fig-width: 8
#| fig-height: 4
#| fig-dpi: 72
import matplotlib.pyplot as plt
import numpy as np
x = np.random.normal(1, 1, 10000)
plt.plot(x, '-')
plt.show()
```Ergebnisse
Browser-Anforderungen für Grafiken
Sowohl für R als auch für Python erfordert das standardmäßige Canvas-basierte Grafikgerät einen Webbrowser, der die [OffscreenCanvas API] unterstützt(https://developer.mozilla.org/en-US/docs/Web/API/OffscreenCanvas). Die meisten modernen Browser unterstützen diese API, ältere Systeme oder einige mobile Geräte jedoch möglicherweise nicht.
R-Grafiken
Für webR-Grafiken gibt es ein Fallback-Gerät bitmap, das auf einem WebAssembly-Build der Cairo-Grafikbibliothek. Obwohl dieses Fallback gut funktioniert, ist es langsamer und erfordert einen zusätzlichen Ressourcen-Download beim Laden der Seite.
Python-Grafiken
Für Pyodide gibt es derzeit kein bitmap Fallback. Bei nicht unterstützten Browsern kann eine Fehlermeldung ähnlich der folgenden angezeigt werden:
‘OffscreenCanvas’ kann nicht aus ‘js’ importiert werden
Ein ähnlicher bitmap Grafik-Fallback für Python ist für eine zukünftige Version von quarto-live geplant.
Weiterführende Literatur
Weitere Details zum interaktiven Plotten finden Sie unter:
- Interaktive Datenvisualisierung in R - Lernen Sie, dynamische Visualisierungen mit ggplot2 und Plotly zu erstellen.
- Interactive Plotting in Python - Vertiefung der Erstellung interaktiver Diagramme mit matplotlib und Plotly.
- Hybride Ausführung und Visualisierung - Erkunden Sie fortgeschrittene Techniken zur Kombination von vorgerenderten und interaktiven Live-Grafiken.
Weitere Artikel erkunden
Hier finden Sie weitere Artikel aus derselben Kategorie, die Ihnen helfen, tiefer in das Thema einzutauchen.
Wiederverwendung
Zitat
@online{kassambara2025,
author = {Kassambara, Alboukadel},
title = {Plotten und Grafiken},
date = {2025-03-07},
url = {https://www.datanovia.com/de/learn/interactive/getting-started/plotting.html},
langid = {de}
}