Hur kopplar du LuckyTemplates till R Script Visual?

Idag ska jag visa dig hur du kopplar LuckyTemplates till R och visar upp de saker du kan göra med R-skriptbilden i . För att detta ska fungera måste du ha R installerat i din dator eftersom det kommer helt oberoende av LuckyTemplates.

För att komma igång, låt oss klicka på R-skriptbilden från visualiseringsrutan.

För idag kommer vi att använda vad folk kallar korrelationsmatrisplotten . Vi kommer också att använda en Pokémon-datauppsättning. Anledningen till att jag valde detta är för att det har mycket numerisk information som försvar och attack, och kommer att fungera ganska bra när det visar en korrelation.

Efter att vi har dragit in visualiseringen till arbetsytan måste vi börja lägga till fält.

Vilken typ av fält kan vi visa? Vi vill se Attack , Defense , HP , Speed ​​och Name of the Pokémon.

Nu kommer du förmodligen att märka att precis under visualiseringsrutan finns värderutan där allt har lagts till under samma fält. Både text och numerisk information läggs till här.

Följaktligen kan vi här i R-skriptredigeraren också se att det finns en del kod som redan har lagts ut. Den här kallas dataset, vilket är en dataram som innehåller attack, försvar, HP, hastighet och namn. Vi behöver inte skriva detta; LuckyTemplates gör det automatiskt så fort vi fyller i saker i vår visualiseringsduk.

Det första misstaget jag gjorde (som jag också kan tänka mig att många kommer att göra) är att ta bort kommentarerna här så att vi kan se det som en normal kod. Det här kommer inte att fungera, för det måste verkligen läggas ut.

Den här raden som säger att unik måste köras. Det finns ingen väg runt det.

Vi börjar skriva vårt manus här nere. Korrelationsplotten som vi gör idag kommer från psykpaketet . Det är väldigt lätt att göra detta. Det är bara att skriva ner par. paneler och skicka sedan datamängden till argumentet.

Och där har vi det. Vi har vår visualisering.

För er som inte har psych-paketet installerat kan ni naturligtvis installera det på detta sätt, men den här processen kommer att installera det varje gång, även om ni redan har det.

Om vi ​​vill gå ett steg bortom kan vi skapa ensom kontrollerar om paketet är tillgängligt och om det inte är det installerar det det. Annars kommer det inte att göra någonting.

En sak till som vi kan behöva göra för att detta inte ska misslyckas är att fylla i repository-argumentet inuti det installerade paketet.

I det här exemplet kopierar och klistrar jag bara in CRAN-webbsidan. Detta fungerar tekniskt. Men beroende på var du befinner dig i världen kanske du vill välja en spegel som är närmare dig.

Innehållsförteckning

• Tar visualiseringen till en annan nivå
• Interagera med andra visualiseringar
• Slutsats

Tar visualiseringen till en annan nivå

Det här är koden som vi vill implementera. Det går bra och det visar visualiseringen. Det finns ett par saker som kommer att ta denna visualisering ett steg längre. Det första man ska göra är. Slicers fungerar perfekt med denna typ av visualisering.

Så låt oss lägga in en slicer i rapporten och sedan lägga Generation i fältrutan.

Titta hur snyggt visualiseringen ändras beroende på vad vi väljer på skivaren.

Interagera med andra visualiseringar

Om du undrar hur detta kommer att se ut när du interagerar med andra visualiseringar, låt oss skapa ett munkdiagram, sätta antalet Pokemons och avgöra om de är legendariska eller inte.

Som du kan se kan den första visualiseringen interagera med den andra visualiseringen.

Slutsats

Dessa R-skript kan vara utmanande och svåra att använda när du har en riktigt stor datamängd eftersom LuckyTemplates måste skicka all denna data till R och sedan vänta på ett svar.

Men i vissa fall, som vårt exempel här, kommer det att ta mycket tid att bygga en sådan här visualisering från början när du ansluter LuckyTemplates till R.

Så om du för närvarande använder R eller Python och du föredrar att importera en visualisering istället för att bygga från grunden, är detta en riktigt snygg lösning.