I denne blog vil vi fortsætte vores serie om teknikkerne til at skabe komplekse brugerdefinerede visuals. I dag, ved at bruge R i LuckyTemplates, lærer vi, hvordan man skaber komplekse visuals med en enkelt linje kode. Du kan se den fulde video af denne tutorial nederst på denne blog.
Indholdsfortegnelse
Oversigt
Til opsummering fokuserede del 1 af denne serie på at bruge det eksterne værktøj til at skabe SVG-grafik til dashboardet. Her er vores output til vores brugerdefinerede SVG-grafikvejledning.
Og i dag lærer vi, hvordan man skaber disse ret komplekse billeder vist nedenfor, og det gør vi med kun én linje kode. Disse visuals er ikke nemme at lave ved at bruge andre brugerdefinerede visuals, men med denne teknik kan vi lave en hel side på bare fem minutter.
Vi kan helt sikkert gøre dem via , men det vil tage meget mere end én linje kode. Og for nogle af disse, såsom histogrammerne, kan vi bruge en brugerdefineret visualisering, men måden vi opdeler disse på er uden for deres muligheder.
Brug af R og RStudio i LuckyTemplates
Den første ting at vide er, at vi gør dette gennem . R får et dårligt ry som svært at bruge, fordi folk ser på det og umiddelbart tror, det kræver en masse kodning, og det er komplekst, men det er det virkelig ikke.
R kunne være kompliceret, når man laver en masse statistisk analyse, men med hensyn til det visuelle, især den pakke, vi vil bruge i dag kaldet GGPUBR , er det virkelig simpelt.
For denne vejledning antages det, at du allerede har installeret R og RStudio på din maskine. Men hvis ikke, og du ikke ved, hvordan man gør det, har George Mount en god idé om, hvordan man får det hele sat op. Du kan få adgang til denne video som LuckyTemplates-medlem.
Hvis du nu ikke er medlem, er der tonsvis af andre videoer på YouTube om, hvordan du får R og RStudio indlæst på din maskine.
R-pakker
R håndterer visuelle elementer primært gennem pakker . Det gode er, at R har mange analoger til LuckyTemplates, og den måde, den håndterer visuals på, minder meget om LuckyTemplates' brugerdefinerede visuals.
Der er to kommandoer, der er relevante for pakker i R, hvoraf den ene er install . Installationen udføres kun én gang, og det svarer til at downloade vores brugerdefinerede visualisering fra App Store.
I dette tilfælde, hvad vi ville gøre første gang i RStudio (vi kan også gøre det lige i LuckyTemplates) er bare at køre install(“ggpubr”) og trykke på retur. Dette vil køre igennem, downloade fra depotet og indlæse det i din R-installation.
Den anden kommando er bibliotek . Det er noget, vi skal køre i hver rapport, vi opretter. Dette svarer til at indlæse det tilpassede visuelle billede i din rapport, når vi har downloadet dem fra App Store.
Der er to pakker, vi skal bruge til denne øvelse. Den ene kaldes ggplot2 , som er den primære kortlægningsmotor for R.
Den anden pakke er ggpubr , som er en forenklet version af ggplot. Det har det, der kaldes publikationsradiografik med minimal konfiguration og er sat op til at se godt ud med omkring 15 forskellige diagramtyper.
Oprettelse af grafik med RStudio
Nu vil vi se, hvordan pakkerne fungerer lige i LuckyTemplates.
Datasættet
Vi bruger Titanic-datasættet til denne øvelse. Dette datasæt indeholder oplysninger om alle passagerer, der var på Titanic - hvem overlevede, hvem døde, hvilken passagerklasse de var i, deres køn og alder, den billetpris, de betalte, og hvor de gik ombord.
Der er tre steder for den sidste kolonne - Southampton, Cherbourg og Queenstown. Der er også et par passagerer, hvis oprindelse er ukendt.
Så det er den forenklede version af datasættet, som vi skal bruge til vores visualisering i dag. Lad os starte og skabe fra bunden.
Brug af R i LuckyTemplates: Boksplot 1
Klik først på R Script- ikonet under ruden Visualiseringer. En visualisering vises på skærmen.
Vælg derefter de felter, vi skal bruge, og træk dem fra feltruden til Værdier under ruden Visualiseringer. I dette tilfælde, lad os trække Alder og Køn.
Skift titlen, juster den, skift tekst- og baggrundsfarver og så videre for at forbedre skabelonen. Vi kan foretage disse ændringer ved at gå til fanen Format visuel i ruden Visualiseringer.
For titlen skal du skrive "Passagerstatistik efter alder og køn" for dette eksempel. Disse præferencer ville give os et billede, der ser sådan ud.
Gå derefter tilbage til fanen Byg visuelt i ruden Visualiseringer. Vi skulle stadig se de felter, vi trak under Værdier tidligere. Vi kan nu åbne R-scripteditoren ved at klikke på pil op-ikonet.
R har dette virkelig unikke opkald kaldet datasæt, som tager de data, du indtaster fra Power Query, eller i dette tilfælde fra vores to felter – alder og køn. Så det bliver vores datasæt.
Derefter kalder vi vores to biblioteker – ggplot2 og ggpubr.
Til sidst, her er vores ene kodelinje. Vi vil indsætte det, eller i dit tilfælde skrive det ind, og det er det.
Hvis vi trykker Kør , skaber koden denne boksplot-visual.
Grundlæggende kan vi tænke på R som tekstversionen af Format-ruden i LuckyTemplates. I dette tilfælde handler LuckyTemplates om den grafiske brugergrænseflade.
Hvis vi for eksempel går til ruden Visualiseringer, kan vi indstille vores præferencer for effekter, baggrunde, grænser og så videre.
I R bruger vi kode til at indstille disse præferencer. For eksempel kan vi bruge kode til at slå effekterne og baggrunden til eller slå den visuelle kant fra.
Til baggrunden kan vi lave farve = hvid og gennemsigtighed = 100, som er en tekstversion af den grafiske brugergrænseflade i LuckyTemplates.
For at vide, hvilken kode der skal indtastes, bruger vi dette dokument, som hver R-pakke har. Vi kan gennemgå dette dokument og gennemse det, de kalder vignetter.
Disse vignetter viser os de forskellige typer visuals, der skal skabes, og giver derefter eksempler på de forskellige parametre. Dette er et eksempel på en .
Under fanen Reference er en liste over alle de forskellige parametre, som vi kan bruge, såsom farve, konturfyld, farvepalet, linjetype, størrelse og mange flere. Vi kan indstille disse parametre lig med, hvordan vi ønsker, at vores visuelle skal se ud.
Lad os gå tilbage til LuckyTemplates og dissekere indholdet af vores kode. Vi starter med vores datasæt, der indeholder vores to variabler, køn og alder. Vi tilføjer point for minimum, maksimum og andre vigtige point.
Farve = Køn betyder, at farven på plottet vil være baseret på køn. Vi sætter derefter vores fyldfarve til #F2F2F2, boksens linjebredde til 0,3., og vælger vores farvepalet. Til sidst fjerner vi vores legende, og det fuldender vores ene linje med R-kode.
Brug af R i LuckyTemplates: Box Plot 2
Lad os fortsætte med vores anden visualisering. Vi starter med at erstatte vores første kode med en anden kommando, der ser sådan ud.
I dette eksempel er det, vi laver, stort set det samme, men vi facetter på dette tidspunkt. Funktionen facet.by svarer til små multipler, og baseret på vores kode facetterer vi af Embarked.
Det betyder, at vi tager det samme billede, men nu er vi baseret på oprindelseshavnene. Hvis vi nu klikker på Kør , får vi fire boksplot, der viser præcis, hvad vi vil have.
Brug af R i LuckyTemplates: Histogram 1
Lad os gå til histogrammer for vores tredje eksempel ved at bruge følgende kode.
Vi laver et simpelt histogram baseret på vores kode. Vi har kun vores datasæt, aldersvariablen, antallet af beholdere til vores histogram og fyldfarven. Klik derefter på Kør .
Vi kan nu se vores passagerer grupperet efter deres alder.
En anden ting vi kan gøre er at bruge kommandoen som hedder add . Lad os tilføje medianlinjen ved at bruge add = "median" .
Klik på Kør , og det viser os medianen.
Vi kan også ændre det til at betyde ved at bruge add = "middel".
Klik på Kør , og linjen flyttes fra median til middelværdi.
Som vi har set, har vi mange muligheder i disse billeder. Vi kan for eksempel ændre farver, titler og akser. Der er virkelig ingen parameter, som vi ikke kan ændre, så de passer til vores tema eller den måde, vi ønsker, at vores visuelle skal se ud.
Brug af R i LuckyTemplates: Histogram 2
Lad os løbe hurtigt ned på vores næste eksempel. Histogram 2 er et facetteret histogram, og i dette tilfælde facetter vi efter både køn og om de overlevede eller ej. Vi bruger følgende kode til denne visualisering.
Vi kan se, at dette er en visuel type, som ville være ret svær at skabe på nogen anden måde. Igen, vi kan gøre det gennem Deneb, men det ville tage en del kode at gøre det. Hvorimod det her kun er en simpel linje.
Brug af R i LuckyTemplates: Histogram 3
Lad os lave et histogram mere, og vi facetterer det lidt anderledes. Denne gang vil vi facettere det efter, hvilken passagerklasse passagererne befandt sig i, og også tilføje en midterlinje.
Klik på Kør.
Ser vi på det visuelle, kan vi også se, at 3. klasses mænd havde flest ofre i denne katastrofe.
Bemærk, at vi i dette eksempel brugte standardfarveskemaet, så det matcher ikke rigtigt vores tema. Det gjorde vi med vilje for at illustrere, hvordan den automatisk vælger et farveskema, hvis vi ikke indtaster et.
Brug af R i LuckyTemplates: QQ Plot
Endelig er vi nede til vores sidste type diagram.
Igen er der omkring 15 typer diagrammer, du kan køre her, og denne kaldes QQ-plottet. Hvis du har gjort en del arbejde med statistik, ville du sandsynligvis have hørt eller set et QQ-plot før.
Vores næste kode hjælper os med at bestemme, om et givet felt er fordelt i henhold til en bestemt fordeling. Så i dette tilfælde ser vi på, om det er normalfordelt ved at plotte den faktiske fordeling mod den teoretiske fordeling.
På samme måde som i de foregående eksempler er dette en vanskelig ting at gøre på nogen anden måde. Men ved at bruge vores teknik, vil det tage et par parametre at skabe vores QQ plot med en teoretisk mod prøve.
Konklusion
I dagens blog lærte vi den enkle måde at skabe kraftfulde og komplekse visuals i LuckyTemplates ved hjælp af R.
Det giver en enorm anvendelighed og fleksibilitet til at skabe diagrammer, der er svære at få brugt på anden måde. Det giver dig også fleksibiliteten til at justere parametrene til dine præferencer. Der er meget mere, du kan gøre med hensyn til baggrundsfarve og skrifttype og alle former for formatering.
Ved at bruge en enkelt kodelinje er der lidt du behøver at vide for at skabe indsigtsfulde diagrammer, som vi håber inspirerer dig til at bruge denne teknik i dine fremtidige rapporter.
I den næste del af denne serie vil vi diskutere de nemme måder at skabe fantastiske KPI-kort på.
Alt det bedste,
Brian Julius
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Find ud af, hvorfor det er vigtigt at have en dedikeret datotabel i LuckyTemplates, og lær den hurtigste og mest effektive måde at gøre det på.
Denne korte vejledning fremhæver LuckyTemplates mobilrapporteringsfunktion. Jeg vil vise dig, hvordan du kan udvikle rapporter effektivt til mobilenheder.
I denne LuckyTemplates Showcase gennemgår vi rapporter, der viser professionel serviceanalyse fra et firma, der har flere kontrakter og kundeengagementer.
Gå gennem de vigtigste opdateringer til Power Apps og Power Automate og deres fordele og implikationer for Microsoft Power Platform.
Opdag nogle almindelige SQL-funktioner, som vi kan bruge, såsom streng, dato og nogle avancerede funktioner til at behandle eller manipulere data.
I denne tutorial lærer du, hvordan du opretter din perfekte LuckyTemplates-skabelon, der er konfigureret til dine behov og præferencer.
I denne blog vil vi demonstrere, hvordan man lagdelte feltparametre med små multipler for at skabe utrolig nyttig indsigt og visuals.
I denne blog vil du lære, hvordan du bruger LuckyTemplates rangerings- og brugerdefinerede grupperingsfunktioner til at segmentere et eksempeldata og rangordne det efter kriterier.
I denne tutorial vil jeg dække en specifik teknik omkring, hvordan du kun viser Kumulativ Total op til en bestemt dato i dine visuals i LuckyTemplates.
