インタラクティブな時系列ヒートマップをR でPlotlyとShinyを使用して構築しています。このプロセスの一部として、連続から序数形式のヒートマップ値-特定のカウントカテゴリを表す6色のヒートマップがあり、それらのカテゴリは集計されたカウント値から作成されます。ただし、これにより、ggplotly()
。インタラクティブボックスをレンダリングするPlotlyのtooltip()
関数までたどりました。ヒートマップからのラベルデータは、この関数を何らかの方法でオーバーロードします。単一のラベルコンポーネントをtooltip()
に追加します。私は Johns Hopkins CSSEリポジトリ からのCOVID-19アウトブレイクデータの処理済みサブセットを使用しています。 ggsci
のSimpsonsカラーテーマも使用するヒートマップコード:
_#Load packages
library(shiny)
library(plotly)
library(tidyverse)
library(RCurl)
library(ggsci)
#Read example data from Gist
confirmed <- read_csv("https://Gist.githubusercontent.com/GeekOnAcid/5638e37c688c257b1c381a15e3fb531a/raw/80ba9704417c61298ca6919343505725b8b162a5/covid_selected_europe_subset.csv")
#Wrap ggplot of time-series heatmap in ggplotly, call "tooltip"
ggplot_ts_heatmap <- confirmed %>%
ggplot(aes(as.factor(date), reorder(`Country/Region`,`cases count`),
fill=cnt.cat, label = `cases count`, label2 = as.factor(date),
text = paste("country:", `Country/Region`))) +
geom_tile(col=1) +
theme_bw(base_line_size = 0, base_rect_size = 0, base_size = 10) +
theme(axis.text.x = element_text(angle = 45, hjust = 1),legend.title = element_blank()) +
scale_fill_manual(labels = levels(confirmed$cnt.cat),
values = pal_simpsons("springfield")(7)) +
labs(x = "", y = "")
ggplotly(ggplot_ts_heatmap, tooltip = c("text","label","label2"))
_
tooltip = c("text","label","label2")
が(たとえばtooltip = c("text")
に)削減されると、パフォーマンスが向上します。今、私は遅延が「大規模」ではないことを知っていますが、これをShinyアプリと統合しています。そして、Shinyと統合してより多くのデータでスケーリングすると、本当に、本当に、非常に遅くなります。 tooltip
にすべての変数を表示していませんが、それでも遅いです-「確認済み」のケースをクリックすると、 現在のアプリのバージョン で確認できます。
助言がありますか? _d3heatmap
_ 、 heatmaply
および shinyHeatmaply
しかし、これらのソリューションはすべて相関ヒートマップを対象としており、ggplot
のカスタマイズオプションがありません。
(ggplotly
変換なしで) "純粋な"プロットとして書き直すと、はるかに高速になります。およそ3000回です。以下は、非常に小さなベンチマークの結果です。
_Unit: milliseconds
expr min lq mean median uq max neval
a 9929.8299 9929.8299 9932.49130 9932.49130 9935.1527 9935.1527 2
b 3.1396 3.1396 3.15665 3.15665 3.1737 3.1737 2
_
ggplotly
がはるかに遅い理由は、入力がヒートマップとして認識されず、各長方形が必要なすべての属性で個別に描画される散布図が作成されるためです。 ggplotly
または_plot_ly
_の結果をplotly_json()
でラップすると、結果のJSONを確認できます。
プロットの_object.size
_を検査することもできます。この場合、ggplotly
オブジェクトが約4616.4 Kbであり、plotly
- heatmapがちょうど40.4 Kb大きい。
_df_colors = data.frame(range=c(0:13), colors=c(0:13))
color_s <- setNames(data.frame(df_colors$range, df_colors$colors), NULL)
for (i in 1:14) {
color_s[[2]][[i]] <- pal_simpsons("springfield")(13)[[(i + 1) / 2]]
color_s[[1]][[i]] <- i / 14 - (i %% 2) / 14
}
plot_ly(data = confirmed, text = text) %>%
plotly::add_heatmap(x = ~as.factor(date),
y = ~reorder(`Country/Region`, `cases count`),
z = ~as.numeric(factor(confirmed$`cnt.cat`, ordered = T,
levels = unique(confirmed$`cnt.cat`))),
xgap = 0.5,
ygap = 0.5,
colorscale = color_s,
colorbar = list(tickmode='array',
title = "Cases",
tickvals=c(1:7),
ticktext=levels(factor(x = confirmed$`cnt.cat`,
levels = unique(confirmed$`cnt.cat`),
ordered = TRUE)), len=0.5),
text = ~paste0("country: ", `Country/Region`, "<br>",
"Number of cases: ", `cases count`, "<br>",
"Category: ", `cnt.cat`),
hoverinfo ="text"
) %>%
layout(plot_bgcolor='black',
xaxis = list(title = ""),
yaxis = list(title = ""));
_