推薦 ：盤點9個適用所有學科的R資料視覺化包（附連結）

如果最近瀏覽了R包的目錄，你會發現可用包的數量已經達到了12550個，足以讓人眼花繚亂。這意味著現有的包幾乎足以解決所有你能想象到的資料視覺化任務，從癌症基因組視覺化到圖書的視覺化分析。

對於R菜鳥或想提升R資料視覺化能力的人來說，CRAN目錄看起來是一種尷尬的富有——資料視覺化的包過多，不知從何入手。

為瞭解決這種問題，今天我們要盤點9個實用的跨學科R資料視覺化包。為了減少在本地執行R的麻煩，您可以使用 Mode的R Notebooks。

R Notebooks連結：

https://about.modeanalytics.com/notebooks/

譯者註：本文提及的包大多提供互動性操作，文中插圖僅供參考，建議訪問文中連結檢視案例，且連結中附有程式碼。

1. ggplot2

散點圖（Hadley Wickham/Tidyverse）

儘管在R中很容易完成基本繪圖，但如果需要自定義繪圖，事情就會變得複雜得多。這就是ggplot2誕生的原因：為了讓定製繪圖更容易。

正如其作者所言，“ggplot2解決了許多繁瑣的細節問題(比如繪製圖例)，並提供了一個強大的圖形模型，這有助於輕鬆地生成複雜的多層圖形。”

ggplot2以《The Grammar of Graphics》這本書中的思想為基礎，將圖理解成組成完整繪圖的不同圖層。例如，在ggplot2中你可以從繪製坐標軸開始，然後加入點，線和置信區間等。

ggplot2的缺點是比R中的基礎畫圖要慢，並且初學者會發現上手很困難。但支持者為此辯解稱，學習ggplot2和(更普遍地說)用tidyverse處理資料，對任何使用R的資料科學家來說都有巨大的好處。（譯者註：tidyverse是為資料科學家所設計的，集合了資料處理和R的視覺化包）

作者：Hadley Wickham

詳細連結：https://ggplot2.tidyverse.org/

2. Lattice

擬合模型(Deepayan Sarkar)

當你需要對多變數資料進行視覺化分析時，Lattice是最佳選擇。Lattice是由Trellis graphics衍生的一個繪圖系統。他能幫你生成繪圖的平鋪面板，以用來比較給定變數的不同值或子集。（如上圖所示，這些平面圖常常看起來像花園的柵欄。）

Lattice是基於grid包搭建的，並繼承了grid包的大量特徵。由於grid隨後被列為基本的R包，所以R的老使用者對Lattice的邏輯不會感到陌生。

作者：Deepayan Sarkar

詳細連結：http://lattice.r-forge.r-project.org/

3. Highcharter

互動熱圖（(Joshua Kunst）

Highcharter是R中Highcharts的改進，是一個JavaScript中的互動式視覺化庫。和它的前身一樣，Highcharter配備了非常強大的API。

Highcharter使動態圖表變得簡單。透過使用hchart()這樣一個函式，它可以繪製R中各種物件類的圖，從資料框到樹形圖再到譜系圖。它也為程式碼的編寫者提供了可行的方法以完成其他流行的Highcharts圖，如Highstock(繪製金融圖)和Highmaps(基於網路專案的原理圖)。

該包配有自定義的主題，以及內建的主題，如“經濟學家”、“金融時報”和“538”，便於使用者向專業人士借鑒圖表。

作者：Joshua Kunst

詳細連結：http://jkunst.com/highcharter/

4. Leaflet

GeoJSON map (RStudio)

類似於highcharter，R中的Leaflet包也是基於非常流行的同名JavaScript程式庫。

Leaflet提供了一種簡便且有效的方法來構建互動地圖。您可能已經從《紐約時報》、《華盛頓郵報》、GitHub以及類似Mapbox和CartoDB等GIS專業網站上看到過相關地圖（以JS形式）。

Leaflet的R介面是由htmlwidgets框架發展而來，這使得在R Markdown documents (v2), Rstudio和Shiny apps中很容易控制並整合Leaflet地圖。

作者：Joe Cheng, Bhaskar Karambelkar, Yihui Xie 

詳細連結：https://rstudio.github.io/leaflet/

5. RColorBrewer

ROYGB Scatter (ModernData)

RColorBrewer很好地展示了R的一個優點：在各種圖表和地圖中調整顏色。

本包基於Cynthia Brewer關於在製圖中運用顏色的研究，它幫助你生成美觀的序列色、分色或定色調色盤。和Plotly搭配使用，可以得到更好的效果。

附案例連結：https://moderndata.plot.ly/create-colorful-graphs-in-r-with-rcolorbrewer-and-plotly/

作者：Erich Neuwirth

詳細連結：http://colorbrewer2.org /#type=sequential&scheme;=BuGn&n;=3

6. Plotly

線型圖(Plotly)

也許你知道Plotly是一個資料視覺化的線上平臺，但你是否知道可以在R或Python中應用它？

與highcharter類似，Plotly擅長繪製互動圖表，但它提供了一些其他包中沒有的圖表如：

• 等值線

  https://plot.ly/r/contour-plots/

• 蠟燭圖

  https://plot.ly/r/candlestick-charts/

• 3D圖

  https://plot.ly/r/3d-charts/

作者：Erich Neuwirth

詳細連結：https://plot.ly/

7. sunburstR

旭日圖展示棒球資料(Kent Russell)

旭日圖適用於描述事件的序列，如體育資料和產品的使用者流。

運用旭日圖，你可以像Kerry Rodden一樣構造如圖所示的旭日圖。此類圖表是互動式的，可以幫助使用者透過強大的方式探索序列資料。

附案例連結：https://bl.ocks.org/kerryrodden /7090426

作者：Kent Russell, Kerry Rodden, Mike Bostock, Kevin Warne

詳細連結：https://www.rdocumentation.org /packages/sunburstR/versions/2.0.0

8. RGL

Iris資料的3D圖 (Duncan Murdoch)

想要在R中得到互動的3D圖時，可以使用RGL。它的邏輯是根據R中的基礎graphics建模的，但它是以三維形式呈現而不是二維。例如Lattice，它也受到grid包的啟發（儘管兩者在技術上並不相容）。所以對經驗豐富的R使用者來說，這非常容易上手。

RGL有很多炫酷的技能，包括可以選擇3D形狀、燈光效果、物體的各種質感，甚至可以運用動漫製作調整3D情景。

作者：Daniel Adler ,Duncan Murdoch

詳細連結：https://cran.r-project.org/web/packages /rgl/vignettes/rgl.html

9. Dygraphs

選定範圍的時間序列圖（RStudio）

此包為dygraphs提供了一個R介面。dygraphs是一個快速且靈活的JavaScript繪圖程式庫，用於探索時間序列資料集。dygraphs的強大之處在於，它具備很強的互動性，具有預設的滑鼠懸停標簽、縮放和平移等功能。他還有其他實用的互動特徵，例如同時段比較和時段選定。

但是dygraphs的互動性並不是以速度為代價：它可以處理有百萬資料點的大型資料集而不減慢它的效果。你也可以結合RColorBrewer和dygraphs來為時間序列選擇不同顏色的調色盤。

附案例：

https://rstudio.github.io/dygraphs/gallery-series-options.html

作者：Dan Vanderkam, RStudio

詳細連結：https://rstudio.github.io/dygraphs/

原文標題：

9 Useful R Data Visualization Packages for Any Discipline

原文連結：

https://blog.modeanalytics.com/r-data-visualization-packages/