16 plotly

plotly paketi ile interaktif grafikler elde edilmektedir.
🔗 PISA ve TIMMS dataları ile elde edilen interaktif grafikleri linkten inceleyebilirsiniz.

16.1 Bar

mtcars veri setini kullananarak basit bir bar grafiği elde edelim. X ekseni silindir sayısı cyl, Y ekseni ise her bir türün frekans değerini göstersin. n

library(tidyverse)
library(plotly) # interaktif grafikler için

silindir sayısı

table(mtcars$cyl)

## 
##  4  6  8 
## 11  7 14

Öncelikle ggplot ile çizelim.

ggplot(mtcars, aes(as.factor(cyl))) + 
  geom_bar()+
  xlab("Silindir Sayısı") + 
  ylab("Frekans")

Figure 16.1: Silindir Sayısı Frekans Grafiği

grafiğin ineraktif hali

Figure 16.2: Silindir Sayısı Frekans Grafiği

16.2 Plotly

Plotly ile grafikleri nasıl çizeceğiz?

data %>% 
 plot_ly(x=~değişken,
          y=~değişken)


plot_ly(data,
         x=~değişken,
          y=~değişken)

ggplotta + yerine plotlyde %>% kullanılıyor, değişkenler ~ ile tanımlanıyor

bar1 <-  mtcars %>%
  mutate(cyl = as.factor(cyl)) %>% 
  count(cyl) %>%    # Frekans tablosu oluştur
  plot_ly(x=~cyl,
          y=~n,
          color=~cyl) %>% 
layout(title="mtcars veri seti ile örnek bar grafiği",
         xaxis = list(title="Silindir Sayısı "),
         yaxis = list(title = "Frekans"))
bar1

Bar genişliğinin ve eksen adlarının değiştirlmesi

 bar1 %>%   
add_bars(width=0.5)  # bar genişliği

eksenlerin değiştirilmesi

mtcars %>%
  mutate(cyl = as.factor(cyl)) %>%  # convert cyl to categorical variable
  count(cyl) %>%  ## count to get the frequency table (from dplyr package)
  plot_ly(y=~cyl,
          x=~n,
          color=~cyl,
          text = ~n,
          ## below 3 lines for the bar label and hover text
          textposition = "outside",
          hovertext = ~paste("No. of cyl=", cyl, "\n", "Count=", n),
          hoverinfo = "text") %>%  # apply plotly on the frequency data
  add_bars(width=0.2) %>%  # use the width argument to adjust the width of the bars
  layout(title="mtcars veri seti ile örnek bar grafiği",
         yaxis = list(title="Slindir Sayısı "),
         xaxis = list(title = "Frekans"))

İki kategorik değişken ile bar grafiği
mtcars veri setini kullananarak basit bir bar grafiği elde edelim.
X ekseni silindir sayısı cyl ve vites türüne göre gruplandırma ile am
Y ekseni ise her bir türün frekans değerini göstersin. n

mtcars %>% 
  mutate(cyl = as.factor(cyl), 
         am = as.factor(am)) %>% 
    count(cyl, am)

cyl	am	n
4	0	3
4	1	8
6	0	4
6	1	3
8	0	12
8	1	2

ggplot ile

ggplot(mtcars %>% 
  mutate(cyl = as.factor(cyl), 
         am = as.factor(am)), aes(cyl)) + geom_bar(aes(fill = am))

plotly ile

bar2 <- mtcars %>% 
  mutate(cyl = as.factor(cyl), 
         am = as.factor(am)) %>%  
  count(cyl, am) %>% 
  mutate(am=recode(am,
`0`= "Otomatik", `1`="Manual")) %>% 
    plot_ly(x=~cyl,       
    y=~n, 
  color=~am)
bar2

İki kategorik değişken ile bar grafiği barmode="stack"

bar3 <- bar2  %>% 
layout(title="mtcars veri seti ile 
      örnek bar grafiği",
         yaxis = list(title="Slindir Sayısı "),
         xaxis = list(title = "Frekans"),
         barmode="stack")
bar3

16.3 Histogram

Sürekli değişkenle histogram çizimi
diamonds veri setinde price değişkeninin histogramı

ggplot(diamonds,
      aes(x=price)) +
  geom_histogram(bins=25) +
  theme_bw() + 
  xlab("Ücret") + 
  ylab("Frekans")

hist1 <- diamonds %>% 
  plot_ly() %>% 
  add_histogram(x=~price)
hist1

Histogram çubukları arasına boşluk

hist2 <- diamonds %>% 
  plot_ly() %>% 
  add_histogram(x=~price) %>% 
  layout(bargap=0.1)
hist2

Çubuk sayısını ve rengini değiştirme

hist3 <- diamonds %>% 
  plot_ly(x=~price) %>% 
  add_histogram(nbinsx = 50, color=I("green")) %>% 
  layout(bargap=0.1)
hist3

Çubuk aralığı belirleme

hist4 <- 
diamonds %>% 
plot_ly() %>% 
add_histogram(x=~price, 
xbins = list(start=0, end=20000, size=2000)) %>% 
layout(bargap=0.1)
hist4

Kategorik değişkenin histogramı/bar grafiği

hist5 <- diamonds %>% 
  plot_ly() %>% 
  add_histogram(x=~cut) 

hist5

İki kategorik değişkenin histogramı

hist6 <- diamonds %>% 
  plot_ly() %>% 
  add_histogram(x=~cut, color=~clarity) 

hist6

16.4 Çizgi Grafiği

1975 -2020 yılları arasında fırtına türlerini içeren storms data setini kullanarak yıllara göre fırtına türlerinin gözleneme sayıları

storm_n <- storms %>% 
  count(year, status)
head(storm_n)

year	status	n
1975	extratropical	12
1975	hurricane	82
1975	subtropical depression	6
1975	subtropical storm	4
1975	tropical depression	62
1975	tropical storm	72

cizgi1 <- ggplot(storm_n,
        aes(x=year, y= n, color=status))+ 
  geom_line()
cizgi1

16.5 Çizgi Grafiği

ggplotly(cizgi1)

16.6 Çizgi Grafiği

cizgi2 <- storm_n %>% 
  plot_ly(x=~year, y=~n) %>% 
  add_lines(color=~status)
cizgi2

## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors

## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors

16.6.1 Kutu Grafiği

ggplot ile

kutu1 <- ggplot(diamonds,aes(price)) +
  geom_boxplot()
kutu1

plotly ile

kutu2<-  diamonds %>%
  plot_ly()  %>%
  add_boxplot(x=~price,
  boxpoints = "outliers")
kutu2

16.7 Grafik Birleştirme

Grafik birleştirme işlemi subplot

hist <- diamonds %>%
  plot_ly() %>%
  add_histogram(x=~price)

kutu <- diamonds %>%
  plot_ly()  %>%
  add_boxplot(x=~price,
  boxpoints = "outliers")

comb <- subplot(hist, kutu , nrows = 2, 
        shareX = TRUE) %>%
  hide_legend()

comb

16.8 Hareketli Saçılım Grafiği

library(gapminder)
gapminder %>% 
  str()

## tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame)
##  $ country  : Factor w/ 142 levels "Afghanistan",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ continent: Factor w/ 5 levels "Africa","Americas",..: 3 3 3 3 3 3 3 3 3 3 ...
##  $ year     : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
##  $ lifeExp  : num [1:1704] 28.8 30.3 32 34 36.1 ...
##  $ pop      : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
##  $ gdpPercap: num [1:1704] 779 821 853 836 740 ...

16.9 Saçılım Grafiği

2002 yılı için LifeExp ~ gdpPercap ilişkisi

library(gapminder)
sacilim1 <- ggplot(gapminder %>% 
  filter(year==2002), aes( x=gdpPercap, y=lifeExp)) +
  geom_point()+theme_bw()
sacilim1

ggplotly(sacilim1)

sacilim2 <- gapminder %>% 
  filter(year==2002) %>%
  plot_ly() %>% 
  add_markers(x=~gdpPercap, y=~lifeExp) %>% 
  layout(title="Plotly SSaçılım Grafiği",
         xaxis=list(title="Kişi Başına 
                    GBT(log ölçeğinde)", type="log"),
         yaxis=list(title= "Bekelenen Ömür")) %>% 
  hide_legend()

sacilim2

Frame argümanı ile aynı grafiği farklı yıllar için elde edebiliriz.

sacilim3 <- gapminder %>% 
  plot_ly() %>%  
  add_markers(x=~gdpPercap, y=~lifeExp, 
              frame=~year) %>% 
    layout(title="Plotly SSaçılım Grafiği",
         xaxis=list(title="Kişi Başına
                    GBT(log ölçeğinde)", type="log"),
         yaxis=list(title= "Bekelenen Ömür"))

sacilim3

15 Gorselleştirme

A Installing R