Hvordan forbinder du LuckyTemplates til R Script Visual?

I dag vil jeg vise dig, hvordan du forbinder LuckyTemplates til R og fremviser de ting, du kan gøre med R-scriptet visual i . For at dette kan virke, skal du have R installeret på din computer, da det kommer helt uafhængigt af LuckyTemplates.

For at komme i gang, lad os klikke på R-scriptvisualet fra visualiseringsruden.

For i dag vil vi bruge det, folk kalder korrelationsmatrix-plottet . Vi vil også bruge et Pokemon-datasæt. Grunden til, at jeg valgte dette, er, at det har en masse numerisk information som forsvar og angreb, og det vil fungere ret godt, når det viser en sammenhæng.

Efter at vi har trukket visualiseringen ind i lærredet, skal vi begynde at tilføje felter.

Hvilken type felter kan vi vise? Vi vil gerne se Attack , Defense , HP , Speed ​​og Name of the Pokemon.

Nu vil du sikkert bemærke, at lige under visualiseringsruden er værdiruden, hvor alt er tilføjet under det samme felt. Både tekst og numerisk information tilføjes her.

Derfor kan vi her i R-scripteditoren også se, at der er noget kode, der allerede er lagt ud. Denne kaldes datasæt, som er en dataramme, der indeholder angreb, forsvar, HP, hastighed og navn. Vi behøver ikke at skrive dette; LuckyTemplates gør det automatisk, så snart vi udfylder ting i vores visualiseringslærred.

Den første fejl, jeg gjorde (som jeg også kan forestille mig, at mange mennesker vil gøre) er at slette kommentarerne her, så vi kan se det som en normal kode. Det her går ikke, for det skal virkelig lægges ud.

Denne linje lige her, der siger, at unikke skal køre. Der er ingen vej udenom.

Vi begynder at skrive vores manuskript hernede. Korrelationsplottet, som vi laver i dag, kommer fra psych-pakken . Det er meget nemt at gøre dette. Det er bare et spørgsmål om at skrive par ned. paneler og derefter videregive datasættet til argumentet.

Og der har vi det. Vi har vores visualisering.

For dem af jer, der ikke har psych-pakken installeret, kan du selvfølgelig installere den på denne måde, men denne proces vil installere den hver eneste gang, selvom du allerede har den.

Hvis vi vil gå et skridt videre, kan vi skabe ender kontrollerer, om pakken er tilgængelig, og hvis den ikke er, installerer den den. Ellers vil det ikke gøre noget.

En anden ting, som vi muligvis skal gøre for at dette ikke mislykkes, er at udfylde repository-argumentet inde i den installerede pakke.

I dette eksempel kopierer og indsætter jeg bare CRAN-websiden. Dette virker teknisk. Men afhængigt af hvor du befinder dig i verden, vil du måske vælge et spejl, der er tættere på dig.

Indholdsfortegnelse

• Tager visualiseringen til et andet niveau
• Interagere med andre visualiseringer
• Konklusion

Tager visualiseringen til et andet niveau

Dette er den kode, vi vil implementere. Det kører godt, og det viser visualiseringen. Der er et par ting, der vil tage denne visualisering et skridt videre. Den første ting at gøre er. Slicere fungerer perfekt med denne type visualisering.

Så lad os lægge et udsnit i rapporten og derefter sætte Generation i feltruden.

Se, hvor pæn visualiseringen ændrer sig afhængigt af, hvad vi vælger på sliceren.

Interagere med andre visualiseringer

Hvis du undrer dig over, hvordan dette vil se ud, når du interagerer med andre visualiseringer, så lad os oprette et donutdiagram, angive antallet af Pokemons og afgøre, om de er legendariske eller ej.

Som du kan se, er den første visualisering i stand til at interagere med den anden visualisering.

Konklusion

Disse R-scripts kan være udfordrende og svære at bruge, når du har et rigtig stort datasæt, fordi LuckyTemplates skal sende alle disse data til R og derefter vente på et svar.

Men i nogle tilfælde, som vores eksempel her, vil det tage meget tid at bygge en visualisering som denne fra bunden, når du forbinder LuckyTemplates til R.

Så hvis du i øjeblikket bruger R eller Python, og du foretrækker at importere en visualisering i stedet for at bygge fra bunden, er dette en rigtig fin løsning.