Hvordan kobler du LuckyTemplates til R Script Visual?

I dag skal jeg vise deg hvordan du kobler LuckyTemplates til R og viser frem tingene du kan gjøre med R-skriptbildet i . For at dette skal fungere, må du ha R installert på datamaskinen din siden den kommer helt uavhengig av LuckyTemplates.

For å komme i gang, la oss klikke på R-skriptbildet fra visualiseringsruten.

For i dag skal vi bruke det folk kaller korrelasjonsmatriseplotten . Vi vil også bruke et Pokémon-datasett. Grunnen til at jeg valgte dette er fordi det har mye numerisk informasjon som forsvar og angrep, og vil fungere ganske bra når det viser en korrelasjon.

Etter at vi har dratt visualiseringen inn på lerretet, må vi begynne å legge til felt.

Hvilken type felt kan vi vise? Vi ønsker å se Attack , Defense , HP , Speed ​​og Name of the Pokemon.

Nå vil du sannsynligvis legge merke til at rett under visualiseringsruten er verdiruten der alt er lagt til under det samme feltet. Både tekst og tallinformasjon legges til her.

Følgelig kan vi her i R-skripteditoren også se at det er noe kode som allerede er lagt ut. Denne kalles datasett, som er en dataramme som inneholder angrep, forsvar, HP, hastighet og navn. Vi trenger ikke å skrive dette; LuckyTemplates gjør det automatisk så snart vi fyller ut ting i visualiseringslerretet vårt.

Den første feilen jeg gjorde (som jeg også kan forestille meg at mange kommer til å gjøre) er å slette kommentarene her slik at vi kan se det som en vanlig kode. Dette kommer ikke til å fungere, for det må virkelig legges ut.

Denne linjen her som sier at unik må kjøres. Det er ingen vei utenom det.

Vi begynner å skrive manuset vårt her nede. Korrelasjonsplottet som vi gjør i dag kommer fra psych-pakken . Det er veldig enkelt å gjøre dette. Det er bare å skrive ned par. paneler og deretter sende datasettet til argumentet.

Og der har vi det. Vi har vår visualisering.

For de av dere som ikke har installert psych-pakken , kan du selvfølgelig installere den på denne måten, men denne prosessen kommer til å installere den hver eneste gang, selv om du allerede har den.

Hvis vi ønsker å gå et skritt utover, kan vi lage ensom sjekker om pakken er tilgjengelig, og hvis den ikke er det, installerer den den. Ellers vil det ikke gjøre noe.

En ting til som vi kanskje må gjøre for at dette ikke skal mislykkes, er å fylle ut depotargumentet inne i den installerte pakken.

I dette eksemplet kopierer og limer jeg bare inn CRAN-nettsiden. Dette fungerer teknisk sett. Men avhengig av hvor du befinner deg i verden, vil du kanskje velge et speil som er nærmere deg.

Innholdsfortegnelse

• Tar visualiseringen til et annet nivå
• Interaksjon med andre visualiseringer
• Konklusjon

Tar visualiseringen til et annet nivå

Dette er koden vi vil implementere. Den går bra, og den viser visualiseringen. Det er et par ting som vil ta denne visualiseringen ett skritt videre. Det første du må gjøre er. Slicers fungerer perfekt med denne typen visualisering.

Så la oss legge en slicer inn i rapporten, og deretter legge Generasjon i feltruten.

Se hvor pent visualiseringen endres avhengig av hva vi velger på sliceren.

Interaksjon med andre visualiseringer

I tilfelle du lurer på hvordan dette vil se ut når du samhandler med andre visualiseringer, la oss lage et smultringdiagram, angi antall Pokemons og finne ut om de er legendariske eller ikke.

Som du kan se, er den første visualiseringen i stand til å samhandle med den andre visualiseringen.

Konklusjon

Disse R-skriptene kan være utfordrende og vanskelige å bruke når du har et veldig stort datasett fordi LuckyTemplates må sende alle disse dataene til R og deretter vente på svar.

Men i noen tilfeller, som vårt eksempel her, vil det ta mye tid å bygge en visualisering som dette fra bunnen av når du kobler LuckyTemplates til R.

Så hvis du for øyeblikket bruker R eller Python og du foretrekker å importere en visualisering i stedet for å bygge fra bunnen av, er dette en veldig fin løsning.