39 Graphiques interactifs
La visualisation de données est de plus en plus demandée d’être interactive par le public. Il est donc de plus en plus nécessaire de créer des graphiques interactifs. Il existe plusieurs méthodes pour les concevoir, mais les deux methodes plus utilisées sont plotly et shiny.
Dans cette page, nous allons nous concentrer sur la conversion d’un graphique de type ggplot() en un graphique interactif avec plotly. Vous pouvez en savoir plus sur shiny dans la page [Dashboards with Shiny]. Il est important de noter que les graphiques interactifs ne sont utilisables que dans les documents R markdown au format HTML, pas dans les documents PDF ou Word.
Ci-dessous, nous présentons un épicurve de base qui a été transformé pour être interactif en utilisant l’intégration de ggplot2 et plotly (survolez votre souris sur le graphique, faites un zoom in ou cliquez sur les éléments de la légende).
39.1 Préparation
Importation des packages
Ces lignes de code importe les packages necessaire pour l’analyse. Dans ce guide, nous mettons l’accent sur p_load() de pacman, qui installe le package si nécessaire puis l’importe pour l’utiliser. Vous pouvez également charger les packages installés avec library() de base R. Voir la page sur bases de R pour plus d’informations sur les packages en R.
pacman::p_load(
rio, # Importation/exportation
here, # chemins de fichiers
lubridate, # Travailler avec les dates
plotly, # Graphiques interactifs
scales, # les pourcentages rapides
tidyverse # gestion et visualisation des données
) Commencez avec un ggplot()
Dans cette page, nous supposons que vous commencez avec un graphique ggplot() que vous voulez rendre interactif. Nous allons construire plusieurs de ces graphiques dans cette page, en utilisant le case linelist utilisé dans la plupart des pages de ce manuel.
Importation des données
Pour commencer, nous allons importer une base de données appelée linelist_cleaned contenant les cas d’une épidémie d’Ebola simulée. Pour suivre, click to download the “clean” linelist (as .rds file). Importez les données avec la fonction import() du package rio (cette fonction supporte de nombreux types de fichiers comme .xlsx, .csv, .rds - voir la page [Import and Export] pour plus de détails).
# importer le cas de la liste de lignes
linelist <- import("linelist_cleaned.rds")Les 50 premières lignes de la liste des lignes sont affichées ci-dessous.
39.2 Tracer avec ggplotly()
La fonction ggplotly() du package plotly permet de facilement rendre un ggplot() interactif. Il suffit de sauvegarder votre ggplot() et de le passer à la fonction ggplotly().
Ci-dessous, nous traçons une simple courbe représentant la proportion de cas décédés au cours d’une semaine donnée :
Nous commençons par créer un tableau résumé de chaque semaine épidémiologique, et le pourcentage de cas avec un bilan connu qui sont décédés.
weekly_deaths <- linelist %>%
group_by(epiweek = floor_date(date_onset, "week")) %>% # créer et regrouper les données par la colonne epiweek
summarise( # créer un nouveau tableau de données résumé :
n_known_outcome = sum(!is.na(outcome), na.rm=T), # nombre de cas par groupe dont le statut est connu
n_death = sum(outcome == "Death", na.rm=T), # nombre de cas par groupe qui sont décédés
pct_death = 100*(n_death / n_known_outcome) # pourcentage des cas de statut connu qui sont décédés
)Here is the first 50 rows of the weekly_deaths dataset.
Ensuite, nous créons le graphique avec ggplot2, en utilisant geom_line().
deaths_plot <- ggplot(data = weekly_deaths)+ # commencer par les données hebdomadaires des décès
geom_line(mapping = aes(x = epiweek, y = pct_death)) # faire la ligne
deaths_plot # imprimer
Nous pouvons rendre ce graphique interactif en le passant simplement à ggplotly(), comme ci-dessous. Survolez votre souris sur la ligne pour afficher les valeurs x et y. Vous pouvez zoomer sur le tracé, et le déplacer. Vous pouvez également voir des icônes en haut à droite du graphe. Dans cet ordre, elles vous permettent de :
- Télécharger la vue actuelle sous forme d’image PNG
- Zoomer avec une boîte de sélection
- Faire un panoramique, ou déplacer le graphe en cliquant et en faisant rouler le graphe
- Faire un zoom in ou out, ou revenir au zoom par défaut.
- Rétablir les axes par défaut
- Activation/désactivation des “lignes de pointes”, qui sont les lignes pointillées partant du point interactif et s’étendant vers les axes x et y.
- Ajustements pour que les données s’affichent lorsque vous ne survolez pas la ligne.
deaths_plot %>% plotly::ggplotly()Les données groupées fonctionnent également avec ggplotly(). Ci-dessous, un épicurve hebdomadaire est fait, groupé par outcome. Les barreaux empilés sont interactifs. Cliquez sur les différents éléments de la légende (ils apparaîtront/disparaîtront).
# Faire une courbe épidémique avec incidence2 pacakge
p <- incidence2::incidence(
linelist,
date_index = date_onset,
interval = "weeks",
groups = outcome) %>% plot(fill = outcome)# Faire le graphique interactif
p %>% plotly::ggplotly()39.3 Modifications
Taille du fichier
Quand vous exportez dans un HTML généré par R Markdown (comme ce livre!), vous voulez que le graphe ait une taille de données aussi réduite que possible (sans effets secondaires négatifs dans la plupart des cas). Pour cela, il suffit de passer le graphique interactif à partial_bundle(), également de plotly.
p <- p %>%
plotly::ggplotly() %>%
plotly::partial_bundle()Boutons
Certains des boutons sur un plotly standard sont superflus et peuvent être distrayants, vous pouvez donc les supprimer. Vous pouvez le faire simplement en passant la sortie dans config() de plotly et en spécifiant les boutons à enlever. Dans l’exemple ci-dessous, nous spécifions en avance les noms des boutons à supprimer, et les transmettons à l’argument modeBarButtonsToRemove =. Nous définissons également displaylogo = FALSE pour supprimer le logo plotly.
## ces boutons sont distrayants et nous voulons les enlever
plotly_buttons_remove <- list('zoom2d','pan2d','lasso2d', 'select2d','zoomIn2d',
'zoomOut2d','autoScale2d','hoverClosestCartesian',
'toggleSpikelines','hoverCompareCartesian')
p <- p %>% # re-définir le graphique interactif sans ces boutons
plotly::config(displaylogo = FALSE, modeBarButtonsToRemove = plotly_buttons_remove)39.4 Heat tiles
Vous pouvez rendre presque tous les graphiques ggplot() interactifs, y compris les heat tiles. Dans la page sur les Graphiques thermiques, vous pouvez lire comment créer le graphique ci-dessous, qui affiche la proportion de jours par semaine pendant lesquels certains facilités ont rapporté des données à leur province.
Voici le code, bien que nous ne le décriions pas en détails ici.
# importer les données
facility_count_data <- rio::import(here::here("data", "malaria_facility_count_data.rds"))
# regrouper les données en semaines pour le Spring district
agg_weeks <- facility_count_data %>%
filter(District == "Spring",
data_date < as.Date("2020-08-01")) %>%
mutate(week = aweek::date2week(
data_date,
start_date = "Monday",
floor_day = TRUE,
factor = TRUE)) %>%
group_by(location_name, week, .drop = F) %>%
summarise(
n_days = 7,
n_reports = n(),
malaria_tot = sum(malaria_tot, na.rm = T),
n_days_reported = length(unique(data_date)),
p_days_reported = round(100*(n_days_reported / n_days))) %>%
ungroup(location_name, week) %>%
right_join(tidyr::expand(., week, location_name)) %>%
mutate(week = aweek::week2date(week))
# Créer le graphique
metrics_plot <- ggplot(agg_weeks,
aes(x = week,
y = location_name,
fill = p_days_reported))+
geom_tile(colour="white")+
scale_fill_gradient(low = "orange", high = "darkgreen", na.value = "grey80")+
scale_x_date(expand = c(0,0),
date_breaks = "2 weeks",
date_labels = "%d\n%b")+
theme_minimal()+
theme(
legend.title = element_text(size=12, face="bold"),
legend.text = element_text(size=10, face="bold"),
legend.key.height = grid::unit(1,"cm"),
legend.key.width = grid::unit(0.6,"cm"),
axis.text.x = element_text(size=12),
axis.text.y = element_text(vjust=0.2),
axis.ticks = element_line(size=0.4),
axis.title = element_text(size=12, face="bold"),
plot.title = element_text(hjust=0,size=14,face="bold"),
plot.caption = element_text(hjust = 0, face = "italic")
)+
labs(x = "Semaine",
y = "Nom de l'établissement",
fill = "Rapport de\nperformance (%)",
title = "Pourcentage de jours par semaine où l'établissement a déclaré des données",
subtitle = " Les établissements de santé de district, Avril-Mai 2019 ",
caption = "Semaines de 7 jours commençant le lundi.")
metrics_plot # imprimer
Ci-dessous, nous le rendons interactif et le modifions pour les boutons simples et la taille du fichier.
metrics_plot %>%
plotly::ggplotly() %>%
plotly::partial_bundle() %>%
plotly::config(displaylogo = FALSE, modeBarButtonsToRemove = plotly_buttons_remove)39.5 Ressources
Plotly n’est pas seulement conçu pour R, mais fonctionne aussi très bien avec Python (et en fait avec tous les langages de Data science puisqu’il est construit en JavaScript). Vous pouvez en savoir plus à ce sujet sur le site plotly website