plot_ly()

我们只需要将变量的名字映射给可视化的参数，plot_ly()可以自动尝试寻找合适个图形来展示数据。

# plotly tries to find a sensible geometrix
plotly::plot_ly(diamonds, x = ~cut)
plotly::plot_ly(diamonds, x = ~cut, y = ~clarity)
plotly::plot_ly(diamonds, x = ~cut, 
                color = ~clarity, 
                colors = "Accent")

plot_ly有大量的参数可以方便的调整你的图表，但是与ggplot2不同的是，如果你直接定义可视范围(如下图一),并不会得到你想要的结果，这里需要使用I()，声明该值位Asls。结果如下图二。

# doesn't produce black bars
plotly::plot_ly(diamonds, x = ~cut, color = "black")
# produces red bars with black outline
plotly::plot_ly(
  diamonds, 
  x = ~cut, 
  color = I("red"), 
  stroke = I("black"), 
  span = I(2)
)

layout

plotly包使用了纯粹的分层图形语法，大量的函数都将plotly对象作为第一个参数。接下来使用一个layout例子来演示。

# modify 
plotly::layout(
  plot_ly(diamonds, x = ~cut),
  title = "My beatiful histogram"
)

管道操作

然而这样的表现形式随着图形复杂度的上升，会显得十分臃肿。随意plotly包同样支持管道操作。

diamonds %>% 
  plotly::plot_ly(x = ~cut) %>% 
  plotly::layout(title = "My beatiful histogram")

除了layout之外，还有add_*族的一系列函数可以将数据渲染为几何对象。比如：

# use add_* functions 
diamonds %>% 
  plotly::plot_ly() %>% 
  plotly::add_histogram(x = ~cut)

还可以和dplyr连用进行一些更加复杂的数据操作。

diamonds %>%
  plotly::plot_ly(x = ~cut) %>% 
  plotly::add_histogram() %>%
  group_by(cut) %>%
  summarise(n = n()) %>%
  plotly::add_text(
    text = ~scales::comma(n), # 定义内容
    # scales::comma 强制使用十进制显示数字,并三位添加一个逗号
    y = ~n, # 定义文字坐标轴位置
    textposition = "top middle", 
    cliponaxis = FALSE
  )

在处理数据和绘图的过程中，可以随时使用plotly_data来检查你的数据，以便于debug。

diamonds %>%
  plotly::plot_ly(x = ~cut) %>% 
  plotly::add_histogram() %>%
  group_by(cut) %>%
  summarise(n = n()) %>% 
  plotly::plotly_data()

## # A tibble: 5 x 2
##   cut           n
##   <ord>     <int>
## 1 Fair       1610
## 2 Good       4906
## 3 Very Good 12082
## 4 Premium   13791
## 5 Ideal     21551