Comment connecter LuckyTemplates à R Script Visual ?

Aujourd'hui, je vais vous montrer comment connecter LuckyTemplates à R et présenter les choses que vous pouvez faire avec le visuel de script R dans LuckyTemplates . Pour que cela fonctionne, vous devez avoir R installé sur votre ordinateur car il est complètement indépendant de LuckyTemplates.

Pour commencer, cliquons sur le visuel du script R dans le volet de visualisation.

Pour aujourd'hui, nous allons utiliser ce que les gens appellent le graphique de la matrice de corrélation . Nous utiliserons également un ensemble de données Pokemon. La raison pour laquelle j'ai choisi cette option est qu'elle contient de nombreuses informations numériques telles que la défense et l'attaque, et qu'elle fonctionnera très bien lorsqu'elle montrera une corrélation.

Après avoir fait glisser la visualisation dans le canevas, nous devons commencer à ajouter des champs.

Quel type de champs peut-on afficher ? Nous voulons voir Attaque , Défense , HP , Vitesse et Nom du Pokémon.

Maintenant, vous remarquerez probablement que juste en dessous du volet de visualisation se trouve le volet des valeurs où tout a été ajouté sous le même champ. Le texte et les informations numériques sont ajoutés ici.

Par conséquent, ici dans l' éditeur de script R , nous pouvons également voir qu'il y a du code qui a déjà été mis en page. Celui-ci est appelé jeu de données, qui est une trame de données contenant l'attaque, la défense, les PV, la vitesse et le nom. Nous n'avons pas à écrire ceci; LuckyTemplates le fait automatiquement dès que nous remplissons des éléments dans notre canevas de visualisation.

La première erreur que j'ai commise (ce que j'imagine aussi que beaucoup de gens feront) est de supprimer les commentaires ici afin que nous puissions le voir comme un code normal. Cela ne fonctionnera pas, car il doit vraiment être aménagé.

Cette ligne ici qui dit unique doit fonctionner. Il n'y a pas moyen de contourner cela.

Nous allons commencer à écrire notre script ici. Le diagramme de corrélation que nous faisons aujourd'hui provient du package psych . C'est très facile à faire. C'est juste une question d'écrire des paires. panneaux , puis en passant l'ensemble de données sur l'argument.

Et là, nous l'avons. Nous avons notre visualisation.

Pour ceux d'entre vous qui n'ont pas installé le package psych , vous pouvez bien sûr l'installer de cette façon, mais ce processus va l'installer à chaque fois, même si vous l'avez déjà.

Si nous voulons aller plus loin, nous pouvons créer une instruction IF qui vérifie si le package est disponible et si ce n'est pas le cas, il l'installe. Sinon, il ne fera rien.

Une autre chose que nous devrons peut-être faire pour que cela n'échoue pas est de remplir l'argument de référentiel à l'intérieur du package installé.

Dans cet exemple, je ne fais que copier et coller la page Web du CRAN. Cela fonctionne techniquement. Mais selon l'endroit où vous vous trouvez dans le monde, vous voudrez peut-être choisir un miroir plus proche de vous.

Table des matières

• Prendre la visualisation à un autre niveau
• Interagir avec d'autres visualisations
• Conclusion

Prendre la visualisation à un autre niveau

C'est le code que nous voudrons implémenter. Il fonctionne bien et affiche la visualisation. Il y a quelques éléments qui vont pousser cette visualisation un peu plus loin. La première chose à faire est d'ajouter des slicers . Les slicers fonctionnent parfaitement avec ce type de visualisation.

Mettons donc un segment dans le rapport, puis plaçons Génération dans le volet des champs.

Regardez à quel point la visualisation change en fonction de ce que nous choisissons sur la trancheuse.

Interagir avec d'autres visualisations

Si vous vous demandez à quoi cela ressemblera lors de l'interaction avec d'autres visualisations, créons un graphique en anneau, mettons le nombre de Pokémons et déterminons s'ils sont légendaires ou non.

Comme vous pouvez le voir, la première visualisation est capable d'interagir avec la seconde visualisation.

Conclusion

Ces scripts R peuvent être difficiles et difficiles à utiliser lorsque vous avez un ensemble de données très volumineux, car LuckyTemplates doit envoyer toutes ces données à R, puis attendre une réponse.

Mais dans certains cas, comme notre exemple ici, créer une visualisation comme celle-ci à partir de zéro lorsque vous connectez LuckyTemplates à R prendra beaucoup de temps.

Donc, si vous utilisez actuellement R ou Python et que vous préférez importer une visualisation au lieu de créer à partir de zéro, c'est une solution vraiment intéressante.