Ggplot2-plots in Excel voor geavanceerde gegevensvisualisaties

In deze zelfstudie laat ik zien hoe u ggplot2-plots in Excel schrijft om reproduceerbare en meer geavanceerde aangepaste gegevensvisualisaties te maken met verbeterde kwaliteit en esthetiek. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

ggplot2 plots is een bekend R-pakket voor datavisualisatie. We gaan dat uitbreiden naar Excel via het open XLSX-pakket. Dit wordt gebruikt om XLSX-bestanden te lezen, schrijven of bewerken, dus het moet de moderne Excel-bestandsextensie zijn.

U kunt dit gebruiken om de productie van Excel-werkmappen vanuit R echt volledig te automatiseren. Het heeft enkele overeenkomsten met VBA in termen van hoe het werkt. Het leuke aan het gebruik van dit pakket is dat u de mogelijkheden van uw Excel- rapportage kunt uitbreiden met de mogelijkheden van R.

ggplot2 is een zeer gerespecteerd visualisatiepakket. Veel van de beste datajournalisten en -publicaties gebruiken dit pakket en we behandelen het in de R for LuckyTemplates Users-cursussen bij LuckyTemplates. Daar kun je ook naar kijken.

Inhoudsopgave

• Hoe ggplot2-plots in Excel te schrijven
• Conclusie

Hoe ggplot2-plots in Excel te schrijven

Voor onze demo van vandaag concentreren we ons op het open XLSX-pakket en schrijven we die resultaten, met name ggplot2 in Excel. We zullen objecten in R moeten maken. We zullen die objecten kunnen manipuleren, alles in Excel kunnen invoegen en vervolgens de werkmap kunnen sluiten.

Ik ben hier in R-studio. We gaan hier een dataset MPG inlezen van het web. Ik heb ook enkele pakketten die we gebruiken.

Laten we nu verder gaan en aan de slag gaan met de hoofdfunctie. We maken hier de werkmap en dan noem ik het analysis_sheet . Je zou het kunnen noemen zoals je wilt. Het wordt addWorksheet aan deze werkmap. Laten we de bladnaam Analyse noemen.

Ik ga een heel eenvoudige lineaire regressie maken. We gaan die resultaten visualiseren, en dan gaan we dat in Excel gooien. Ik noem dit mpg_lm voor het lineaire model. R is echt gebouwd voor statistische analyse, dus het heeft een functie om lineaire regressie uit te voeren. We gaan mpg modelleren op gewicht. Dit is een lineaire regressie.

Nu ga ik de resultaten opruimen. Het opgeruimde functiepakket is bedoeld om enkele van de resultaten van R te nemen en ze hier in een consistenter machine- en gebruiksvriendelijker formaat te plaatsen. We hebben alles min of meer opgestapeld in een consistente tabelvorm, dus dat maakt het een stuk eenvoudiger om in Excel te zetten. Excel houdt ervan dingen in tabellen te hebben.

Laten we dit nu naar Excel schrijven. Ik ga gebruiken writeDataTable . Het blad wordt het analyseblad _ en we gaan zeggen, X is gelijk aan mpg_lm_tidy . Dit wordt geschreven als een tabel in Excel en we gaan de rijnamen niet opnemen.

En dan gaan we dit visualiseren. We bekijken het eerst in R, en dan sturen we die resultaten naar Excel . In feite gaan we hier een scannerplot maken. Ik ga geom_point toevoegen en dan geom_smooth toevoegen . De methode hier wordt lm voor lineair model. Als ik dit uitvoer, zien we onze regressiegrafiek.

We hebben gewicht op de X-as. We hebben mgp op de Y, en dan zien we dat de neerwaartse relatie hier onze regressiefit-lijn is. Dus we hebben hier de coëfficiënten, de fit-waarden, enz.

En dan gaan we de plot toevoegen zodat we dit ook aan de werkmap kunnen toevoegen. Dat is insertPlot , bijvoorbeeld werkmap ( wb ), het blad wordt weer analysis_sheet en dan kunnen we de startrij en de dimensies specificeren.

Het laatste wat we hier gaan doen, is specificeren waar dit rapport naartoe gaat. Ik ga dit mpg-rapport noemen en dan ga ik mijn werkmap opslaan. Ik ga dit uitvoeren, en dan kunnen we dit bestand gaan halen en bekijken.

Ik ben nu klaar met Excel. De plaats waar dit bestand terechtkomt, heeft te maken met waar je werkmap zich in R bevindt, dus daar kun je op afstemmen.

LuckyTemplates met R en RStudio: aan de slag
Drie manieren om R-script te gebruiken in LuckyTemplates-
gegevensframes in R: de basis leren

Conclusie

In deze zelfstudie heb ik je laten zien hoe je ggplot2-plots in Excel schrijft. Waarom zou je dit doen versus in Excel als het gaat om plotten? Eén ding is de reproduceerbaarheid van ggplot. Alles is codegestuurd. Er is geen aanwijzen en klikken, en dat maakt dingen meer aanpasbaar.

Het nadeel is echter dat ze niet interactief zijn. Het beeld is gewoon statisch. We kunnen er niet op klikken. We hebben geen tooltips of iets dergelijks. ggplot-plots zijn misschien niet bekend bij uw gebruikers, dus dat kan een ander nadeel zijn.

We hebben ons gericht op het bouwen van ggplot2-plots en die naar Excel sturen. Je zou echt een heel rapport kunnen bouwen in R voor Excel. Alles wat u in Excel moet doen, kunt u op afstand bellen vanuit R. Een specifieke use-case hiervoor zijn die moeilijk te doen Excel-plots waar Excel echt mee worstelt. Excel heeft enkele statistische mogelijkheden, dus R zal een stuk eenvoudiger uit te voeren zijn.

Al het beste!