Visualização interativa de dados no R

Introdução

Visualizações interativas permitem que você explore e comunique seus dados de forma dinâmica. Com o Quarto Live, você pode criar gráficos ricos usando ggplot2 e convertê-los em visualizações interativas com Plotly — tudo diretamente no seu navegador da web. Este tutorial irá guiá-lo na criação dessas visualizações, personalização de sua aparência e solução de problemas comuns.

1. Criando visualizações interativas com ggplot2

ggplot2 é um sistema de plotagem versátil para R. Comece criando um gráfico de dispersão básico usando o conjunto de dados mtcars.

Código-fonte

```{webr}
library(ggplot2)
ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "Motor Trend Car Road Tests 🚀",
       x = "Weight", y = "Miles per Gallon",
       color = "Cylinders")
```

Nota

Este exemplo traça o peso do carro em relação às milhas por galão, com as cores dos pontos representando o número de cilindros.

2. Convertendo gráficos ggplot2 em visualizações interativas do Plotly

Aprimore seu gráfico ggplot2 estático convertendo-o em uma visualização Plotly interativa. Isso permite que você passe o mouse sobre os pontos, amplie e desloque para uma experiência mais rica de exploração de dados.

Código-fonte

```{webr}
library(ggplot2)
library(plotly)
p <- ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "Interactive Plotly Visualization",
       x = "Weight", y = "Miles per Gallon",
       color = "Cylinders")
ggplotly(p)
```

Nota

A função ggplotly() transforma seu gráfico ggplot2 em um objeto Plotly interativo, habilitando recursos como dicas de ferramentas e zoom.

3. Personalizando as dimensões do gráfico

Ajuste a aparência visual de seus gráficos definindo dimensões personalizadas usando as opções fig-width e fig-height. Isso ajuda a adaptar suas visualizações ao layout do documento.

Código-fonte

```{webr}
#| fig-width: 8
#| fig-height: 4
plot(rnorm(10000), type = 'l')
```

Nota

Essas opções garantem que seu gráfico seja exibido com a largura e altura especificadas, facilitando a integração ao seu layout.

4. Exercício interativo

Agora é a sua vez! Modifique o exemplo ggplot2 para alterar o tamanho do ponto e aplicar uma paleta de cores diferente (por exemplo, Set2, Dark2) para ver como a visualização muda. Experimente com o código abaixo:

Exercício

```{webr}
# Modifique a visualização ggplot2:
library(ggplot2)
p <- ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +  # Tente alterar este valor (por exemplo, tamanho = 5)
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "Customized Motor Trend Plot",
       x = "Weight", y = "Miles per Gallon",
       color = "Cylinders")
# Descomente a próxima linha e adicione uma nova escala, por exemplo:
# p <- p + scale_color_brewer(palette = 'Set2')
print(p)
```

5. Solução de problemas e práticas recomendadas

Dicas de solução de problemas

• Pacotes ausentes:
  Se você receber um erro indicando que um pacote está faltando (por exemplo, plotly), consulte nosso tutorial Carregando e usando pacotes.
• Compatibilidade com o navegador:
  Certifique-se de usar um navegador moderno que suporte a API OffscreenCanvas para obter o melhor desempenho interativo.
• Problemas com dados:
  Verifique se o seu conjunto de dados está carregado corretamente e se não há valores NA afetando o gráfico.

Práticas recomendadas

• Mantenha a simplicidade:
  Comece com visualizações simples e adicione camadas gradualmente para aumentar a complexidade.
• Acessibilidade:
  Use títulos claros, rótulos de eixos e contrastes de cores para garantir que seus gráficos sejam acessíveis a todos os usuários.
• Design responsivo:
  Teste suas visualizações em diferentes dispositivos e ajuste as dimensões conforme necessário.

Considerações sobre desempenho

• Volume de dados:
  Para conjuntos de dados grandes, considere a amostragem ou filtragem para manter o desempenho.
• Reatividade eficiente:
  Otimize expressões reativas para evitar recálculos desnecessários.

Leitura adicional

• Blocos de código interativo explicados
  Aprenda a criar e personalizar blocos de código interativos no Quarto Live.
• Carregando e usando pacotes
  Descubra técnicas para instalar e carregar pacotes R adicionais.
• Gerenciando ambientes de execução
  Entenda como controlar o compartilhamento de variáveis e isolar sessões interativas.
• Referência de opções de células
  Aprofunde-se nas opções de configuração avançada para blocos de código interativos.

Conclusão

Este tutorial demonstrou como criar visualizações interativas no R usando ggplot2 e convertê-las em gráficos Plotly interativos com o Quarto Live. Você também aprendeu a personalizar as dimensões do gráfico, participou de um exercício para modificar uma visualização e revisou dicas de solução de problemas e práticas recomendadas. Experimente esses exemplos para criar visualizações dinâmicas e envolventes que aprimoram sua narrativa de dados.

Explore mais artigos

Nota

Aqui estão mais artigos da mesma categoria para ajudá-lo a se aprofundar no tópico.