1. 기본 Bar chart

우선 사용할 데이터를 보자. sleep라고 되어 있는 내장 데이터이며, 아래와 같이 확인 가능하다.

library(tidyverse)
library(plotly)
library(DT)

sleep %>% 
  datatable(rownames = NULL, options = list(
    pageLength = 5
  ))

간단하게 볼 수 있는 Bar Chart를 보자.

• sleep 데이터에 우선 plot_ly() 함수로 감싸준다.
• add_trace()에 각각 x,y 옵션을 넣어주자.
  • 이때 type = “bar”옵션을 추가 해주어 Bar chart를 만들어 준다.

sleep %>% 
  plot_ly() %>% 
  add_trace(x = ~ID, y = ~extra , type = "bar") %>% 
  layout(
    title = "Bar Chart",
    xaxis = list(title = "x축 이름"),
    yaxis = list(title = "y축 이름")
  )

2. Group별 Bar Chart

sleep는 extra, ID가 각각 group로 나뉘어져 있다. 이를 group별로 나누어서 데이터를 보도록 하자.

• 위 그래프와 동일하지만, color = ~group 옵션을 추가해 확인이 가능하다.

sleep %>% 
  plot_ly() %>% 
  add_trace(x = ~ID, y = ~extra, color= ~group,  type = "bar") %>% 
  layout(
    title = "Bar Chart",
    xaxis = list(title = "x축 이름"),
    yaxis = list(title = "y축 이름")
  )

3. Stacked Bar Chart

Group을 같은 Bar안에서 구분 짓는 방법이다. 이를 Stacked Bar Chart라고 하며, 사용방법은 다음과 같다.

• 기존에 group bar chart와 동일하게 시작한다.
• layout옵션에 barmode = "stack"옵션을 추가 해주어야 한다.
  • layout(barmode = “stack”)

sleep %>% 
  plot_ly() %>% 
  add_trace(x = ~ID, y = ~extra, color= ~group,  type = "bar") %>% 
  layout(
    title = "Bar Chart",
    xaxis = list(title = "x축 이름"),
    yaxis = list(title = "y축 이름"),
    barmode = "stack"
  )

4. Text옵션과, xy축 변환

이번에는 Chart에 Text를 달리 표시해주는법과 xy축을 변환 시켜서 그래프를 볼수 있도록 해보자. 위에서 사용했던 sleep보다 더 효율적으로 볼수 있는 데이터를 사용했으며 아래와 같다.

• 2007년 아시아에 대한 수치(인구 3천만 기준)

df <- read.csv("https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv", stringsAsFactors = FALSE)

df <- df %>% 
  filter(year == 2007) %>% 
  filter(continent == "Asia") %>% 
  filter(pop > 30000000)


df %>% 
  datatable(rownames = NULL, options = list(
    pageLength = 5
  ))

df %>% 
  plot_ly() %>% 
  add_trace(x = ~country, y = ~pop, text = ~pop,
            textposition = "outside"
            ) %>% 
  layout(
    title = "2007년 아시아 국가별 인구(3천만 이상)",
    xaxis = list(title = ""),
    yaxis = list(title = "")
  )

df %>% 
  plot_ly() %>% 
  add_trace(x = ~pop, y = ~country, 
            text = ~pop,
            textposition = "outside" 
  ) %>% 
  layout(
    title = "2007년 아시아 국가별 인구(3천만 이상)",
    xaxis = list(title = ""),
    yaxis = list(title = "")
  )

df %>% 
  arrange(pop) %>% 
  plot_ly() %>% 
  add_trace(x = ~pop, y = ~country, 
            text = ~pop,
            textposition = "outside" 
  ) %>% 
  layout(
    title = "2007년 아시아 국가별 인구(3천만 이상)",
    xaxis = list(title = ""),
    yaxis = list(title = "",
                 categoryorder = "array",
                 categoryarray = ~pop,
                 size=5)
  )

df %>% 
  arrange(pop) %>% 
  plot_ly() %>% 
  add_trace(x = ~pop, y = ~country, 
            text = ~paste0(pop, "명"),
            hoverinfo = "text",
            hovertemplate = ~paste0(country, "\n", pop, "명"),
            textposition = "inside" 
  ) %>% 
  layout(
    title = "2007년 아시아 국가별 인구(3천만 이상)",
    xaxis = list(title = ""),
    yaxis = list(title = "",
                 categoryorder = "array",
                 categoryarray = ~pop,
                 size=5)
  )

5. Subplot

여기까지 Bar Chart에 대해 알아보았다. 이번에는 Subplot에 대해 알아보려 하는데, 이는 그래프를 한번에 여러개를 표시해주는 역할을 한다. subplot기능을 잘 사용하면 한 화면에 여러개의 목적을 전달할 수 있다.

방법은 다음과 같다.

• 각각의 plot을 객체로 만들어준다.
  • 여기서는 fig_1, fig_2, fig_3로 해주었다.
• subplot() 함스를 통해 이를 하나씩 묶어준다.
  • subplot(fig_1,fig_2, fig_3, nrows = 1)이며 이때 nrows로 열의 갯수를 설정 해줄수 있다.
• layout() 함수를 사용해 옵션값을 지정해주자.
  • title = "아시아 국가별 항목 (인구 3천만 이상)": Title 지정
  • legend=list(orientation = 'h', y=1.1, x=0.7): 범례위치 상단부로 지정

fig_1 <- df %>% 
  arrange(pop) %>% 
  plot_ly() %>% 
  add_trace(x = ~pop, y = ~country,  name = "인구",
            text = ~paste0(pop, "명"),
            hoverinfo = "text",
            hovertemplate = ~paste0(country, "\n", pop, "명"),
            textposition = "inside" 
  ) %>% 
  layout(
    title = "2007년 아시아 국가별 인구(3천만 이상)",
    xaxis = list(title = ""),
    yaxis = list(title = "",
                 categoryorder = "array",
                 categoryarray = ~pop,
                 size=5)
  )

fig_2 <- df %>% 
  arrange(lifeExp) %>% 
  plot_ly() %>% 
  add_trace(x = ~lifeExp, y = ~country,  name = "삶의 질",
            text = ~paste0(lifeExp),
            hoverinfo = "text",
            hovertemplate = ~paste0(country, "\n", lifeExp),
            textposition = "inside" 
  ) %>% 
  layout(
    title = "2007년 아시아 국가별 삶의 질(인구 3천만 이상 기준)",
    xaxis = list(title = ""),
    yaxis = list(title = "",
                 categoryorder = "array",
                 categoryarray = ~lifeExp,
                 size=5)
  )

fig_3 <- df %>% 
  arrange(gdpPercap) %>% 
  plot_ly() %>% 
  add_trace(x = ~gdpPercap, y = ~country, name = "gdpPercap",
            text = ~paste0(gdpPercap),
            hoverinfo = "text",
            hovertemplate = ~paste0(country, "\n", gdpPercap),
            textposition = "inside" 
  ) %>% 
  layout(
    title = "2007년 아시아 국가별 gdpPercap(인구 3천만 이상 기준)",
    xaxis = list(title = ""),
    yaxis = list(title = "",
                 categoryorder = "array",
                 categoryarray = ~gdpPercap,
                 size=5)
  )


subplot(
  fig_1,fig_2, fig_3, nrows = 1
  ) %>% 
  layout(
    title = "아시아 국가별 항목 (인구 3천만 이상)",
    legend=list(orientation = 'h', y=1.1, x=0.7)
    )

총평

이것으로 Plotly에 대해 3개의 블로깅을 모두 마무리 지었다. 가장 많이 쓰이는 Line Chart와, Bar Chart를 소개 하면서 Plotly를 소개 하는게 적정한 방법이라고 생각을 했다. 겸사겸사 Plotly에서 사용하면 좋은 팁들도 같이 적었으며, 이 세가지의 블로그만으로도 어느정도 잘 따라 하면 반응형 시각화를 사용할 수 있을거라고 생각을 한다.