1 `rbokeh`

rbokeh는 bokeh를 R로 가져온 랩퍼로 웹브라우저에서 인터랙티브 시각화를 목표로 개발되었다. 문법은 ggplot과 대단히 유사하다. ggplot()이 + 연산자로 하나 하나 쌓아가는 구문을 구사하는 반면, rbokeh는 figure()에 %>% 구문기호를 사용하는 차이가 있다.

ggplot

ggplot() +
   ... +
   ... +
   ...

rbokeh

figure() %>%
    ... %>%
    ... %>%
    ...

2 헬로 월드

rbokeh 인터랙티브 데이터 시각화를 위해서 먼저 gapminder 팩키지 데이터를 사용하고 국가가 너무 많은 관계로 우선 “Korea, Rep.” 대한민국 연도별 기대수명을 시각화해본다. ggplot() 대신 figure()를 사용하고 시계열 데이터라서 ly_lines() 함수로 연도(year)와 기대수명(lifeExp)을 x축, y축에 두고 시각화한다.

library(tidyverse)
library(gapminder)
library(rbokeh)

gapminder %>% 
  filter(str_detect(country, "Korea, Rep.")) %>% 
  figure() %>%
  ly_lines(x = year, y = lifeExp)

3 다양한 시각화 산출물

rbokeh 계층(layer)는 ly_lines() 외에도 다양하다.

ly_abline()
ly_annular_wedge()
ly_annulus()
ly_arc()
ly_bezier()
ly_boxplot()
ly_contour()
ly_crect()
ly_curve()
ly_density()
ly_hist()
ly_image_url()
ly_image()
ly_lines()
ly_map()
ly_multi_line()
ly_oval()
ly_patch()
ly_points()
ly_polygons()
ly_quadratic()
ly_quantile()
ly_ray()
ly_segments()
ly_text()
ly_wedge()

3.1 산점도(`ly_points`)

gapminder 데이터셋에서 가장 최근 연도를 추출하여 일인당GDP(gdpPercap)와 기대수명(lifeExp)을 산점도로 작성한다.

gapminder %>% 
  filter(year == max(year)) %>% 
  figure() %>% 
    ly_points(x=gdpPercap, y=lifeExp)

3.2 선그래프

시계열 데이터도 많이 시각화하는 사례중 하나다. 이를 위해서 대한민국과 북한을 국가명(country)에서 추출하여 ly_lines() 함수로 시계열 선을 ly_points() 함수로 시계열 점을 각각 도식화하고 두 국가를 구분하기 위해서 범례 위치를 보기 좋은 곳에 저정한다.

gapminder %>% 
  filter(str_detect(country, "Korea")) %>% 
  figure(legend_location = "top_left") %>% 
    ly_lines(x=year, y=lifeExp, color=country) %>% 
    ly_points(x=year, y=lifeExp, color=country)

3.3 히스토그램

ly_hist() 함수를 사용해서 아프리카와 유럽 국가의 기대수명 분포를 히스토그램으로 시각화하는 것이 가능하다.

gapminder %>% 
  filter(continent %in% c("Africa")) %>% 
  filter(year == max(year)) %>% 
  figure() %>% 
    ly_hist(x=lifeExp, fill_alpha=0.1, color="red")

gapminder %>% 
  filter(continent %in% c("Europe")) %>% 
  filter(year == max(year)) %>% 
  figure() %>% 
    ly_hist(x=lifeExp, fill_alpha=0.1)

3.4 회귀직선

ly_abline() 함수를 사용하면 회귀직선도 함께 추가시킬 수 있다.

## 대한민국 데이터 추출
korea_df <- gapminder %>% 
  filter(str_detect(country, "Korea. Rep."))

## 회귀선 적합
korea_reg <- lm(lifeExp ~year, data = korea_df)  

## 시각화 
korea_df %>% 
  figure(legend_location = "top_left",
         title="대한민국 기대수명 회귀선",
         xlab="연도", ylab="기대수명",
         color="국가명") %>% 
    ly_lines(x=year, y=lifeExp) %>% 
    ly_points(x=year, y=lifeExp, fill_alpha=1) %>% 
    set_palette(discrete_color = pal_color(c("blue"))) %>% 
  ly_abline(korea_reg)

4 시각화 산출물 꾸미기

데이터프레임을 입력받아 적절한 형태로 시각화를 했다면, 커뮤니케이션을 위해서 시각화 산출물에 대한 꾸미기 작업을 수행한다. 위치와 더불어 색상, 크기, 투명도, 선유형, 모양은 명시적인 시각화 커뮤니케이션을 돕는 역할을 수행한다.

색상(color)
크기(size)
투명도(transaprency) 혹은 알파(alpha)
선유형(line type)
모양(shape)

figure() 내부에 그래프를 설명하는 제목(title) 을 넣고, xlab, ylab을 통해 축 설명도 붙인다. 투명도를 fill_alpha로 지정하여 가시성을 높인다. set_palette를 사용해서 색상도 사용자 정의가 가능하다.

그래프 제목: title=
그래프 크기: size=
축라벨: xlab= , ylab=
축범위: xlim=, ylim=
축 테마: theme=
축 그리드: xgrid=TRUE/FALSE, ygrid=TRUE/FALSE

theme_axis("x", major_label_orientation = 90) 기능은 x축 라벨값을 90도로 회전시켜 가독성을 높이는 경우 유용하게 사용될 수 있다.

gapminder %>% 
  filter(str_detect(country, "Korea")) %>% 
  figure(legend_location = "top_left",
         title="남과 북 기대수명 추세 비교",
         xlab="연도", ylab="기대수명",
         color="국가명",
         theme = bk_ggplot_theme(),
         xgrid = FALSE, ygrid = TRUE) %>% 
    ly_lines(x=year, y=lifeExp, color=country) %>% 
    ly_points(x=year, y=lifeExp, color=country, fill_alpha=1) %>% 
    set_palette(discrete_color = pal_color(c("red", "blue"))) %>% 
    theme_axis("x", major_label_orientation = 90)

5 인터랙티브 시각화

ly_point() 함수에 hover= 인자를 추가하게 되면 각점 위에 마우스 포인터를 가져다 놓으면 해당 점에 대한 상세 정보가 자동으로 팝업되어 나타난다.

gapminder %>% 
  filter(str_detect(country, "Korea")) %>% 
  figure(legend_location = "top_left",
         title="남과 북 기대수명 추세 비교",
         xlab="연도", ylab="기대수명",
         color="국가명") %>% 
    ly_lines(x=year, y=lifeExp, color=country) %>% 
    ly_points(x=year, y=lifeExp, color=country, fill_alpha=1,
              hover = c(country, year, lifeExp),
              size=5) %>% 
    set_palette(discrete_color = pal_color(c("red", "blue")))

5.1 사용자 정의 사항 반영

HTML을 사용하여 <br> 줄바꿈, <b></b> 굵은 글씨, · 혹은 •을 사용하여 중간점도 찍을 수 있다.

gapminder %>% 
  filter(str_detect(country, "Korea")) %>% 
  figure(legend_location = "top_left",
         title="남과 북 기대수명 추세 비교",
         xlab="연도", ylab="기대수명",
         color="국가명",
         toolbar_location = "above") %>% 
    ly_lines(x=year, y=lifeExp, color=country) %>% 
    ly_points(x=year, y=lifeExp, color=country, fill_alpha=1,
              hover = "<b>데이터 사이언스</b> <br>
                       &middot; 국가명: @country <br>
                       &bull; 연도: @year <br>
                       &middot; 기대수명: @lifeExp",
              size=5) %>% 
    set_palette(discrete_color = pal_color(c("red", "blue")))

6 내보내기… 저장하기

rbokeh로 저장시킨 객체를 rbokeh2html() 함수를 사용해서 HTML 파일로 저장시킬 수 있다. 또한, widget2png() 함수로 PNG 파일 저장도 가능하다.

gapminder_bokeh <- gapminder %>% 
  filter(str_detect(country, "Korea")) %>% 
  figure(legend_location = "top_left",
         title="남과 북 기대수명 추세 비교",
         xlab="연도", ylab="기대수명",
         color="국가명",
         toolbar_location = "above") %>% 
    ly_lines(x=year, y=lifeExp, color=country) %>% 
    ly_points(x=year, y=lifeExp, color=country, fill_alpha=1,
              hover = "<b>데이터 사이언스</b> <br>
                       &middot; 국가명: @country <br>
                       &bull; 연도: @year <br>
                       &middot; 기대수명: @lifeExp",
              size=5) %>% 
    set_palette(discrete_color = pal_color(c("red", "blue")))

## HTML 저장 
rbokeh2html(fig = gapminder_bokeh, file = "data/gapminder_bokeh.html")

## HTML R에서 열기
# browseURL("data/gapminder_bokeh.html")

7 `grid_plot`과 `facet` 시각화

7.1 `grid_plot` 이질적인 그래프 조합

서로 다른 유형의 rbokeh 그래프를 모아 한곳에서 볼 수 있는 것은 의미가 크다. 이를 위해서 grid_plot 함수를 사용해서 서로 다른 유형의 rbokeh 그래프를 모아 시각화한다. same_axes =를 설정하여 동일 축에 그래프간에 비교가 가능하게 하고, width =, height =를 지정하여 그래프 전체 크기도 조정한다.

korea_bokeh <- gapminder %>% 
  filter(str_detect(country, "Korea")) %>% 
  figure(legend_location = "top_left",
         title="남과 북 기대수명 추세 비교",
         xlab="연도", ylab="기대수명",
         color="국가명") %>% 
    ly_lines(x=year, y=lifeExp, color=country) %>% 
    ly_points(x=year, y=lifeExp, color=country, fill_alpha=1,
              hover = c(country, year, lifeExp),
              size=5) %>% 
    set_palette(discrete_color = pal_color(c("red", "blue")))

oceania_bokeh <- gapminder %>% 
  filter(str_detect(continent, "Oceania")) %>% 
  figure(legend_location = "top_left",
         title="오세아니아 기대수명 추세 비교",
         xlab="연도", ylab="기대수명",
         color="국가명") %>% 
    ly_lines(x=year, y=lifeExp, color=country) %>% 
    ly_points(x=year, y=lifeExp, color=country, fill_alpha=1,
              hover = c(country, year, lifeExp),
              size=5) %>% 
    set_palette(discrete_color = pal_color(c("orange", "yellow")))

bokeh_list <- list(korea_bokeh, oceania_bokeh)

grid_plot(bokeh_list, same_axes = TRUE, 
          width = 800, height=600, 
          nrow = 1)

7.2 `facet` 동질 그래프 조합

facet 다수 작은 그래프(small multiple graph)를 구현하기 위해서 먼저 데이터를 split() 함수로 미리 지정한 그룹에 맞춰 쪼갠다. 본 사례의 경우 국가(country)를 기준으로 쪼개 놓고 한 국가를 대상으로 시각화하는 rbokeh 함수(life_expect_plot())를 작성한다. 그리고 lapply 함수를 사용해서 각 국가별 데이터에 rbokeh 함수를 적용시켜 그래프 리스트를 작성한다. 그리고 나서 grid_plot()으로 모아 찍기 기능을 활용하여 인터랙티브 그래프 작성을 마무리한다.

## 데이터 준비: 한국과 오세아니아
facet_df <- gapminder %>% 
  filter(str_detect(country, "Korea")) %>% 
  droplevels()

facet_split_list <- split(facet_df, facet_df$country) 

## 데이터 함수
life_expect_plot <- function(df) {
  figure() %>%
    ly_lines(x = year, y=lifeExp, data = df) %>% 
    ly_points(x=year, y=lifeExp, fill_alpha=1,
              hover = c(country, year, lifeExp),
              size=5, data = df)
  }

## 데이터를 함수에 적합(apply)
facet_fig_list <- lapply(facet_split_list, life_expect_plot)

## bokeh 시각화
grid_plot(facet_fig_list, same_axes = TRUE, 
          width = 800, height=600, 
          nrow = 1)

8 지리정보 ¹

공항 데이터를 가져와서 위경도 데이터를 정리한다. 그리고 나서 gmap() 함수로 지도를 가져와서 ly_points() 함수를 엮어 시각화한다.

airports <- read_csv("https://raw.githubusercontent.com/datasets/airport-codes/master/data/airport-codes.csv")

airport_df <- airports %>% 
  select(ident, name, iso_country, municipality, coordinates) %>% 
  separate(coordinates, into=c("lat", "lon"), sep = ",") %>% 
  mutate(lon = as.numeric(lon),
         lat = as.numeric(lat)) %>% 
  filter(iso_country == "KR")

korea_map <- gmap(lat = median(airport_df$lat), lng = median(airport_df$lon), zoom = 7, map_style = gmap_style("blue_water"))

korea_map %>% ly_points(x = lon, y = lat, 
                        data = airport_df,
                        line_alpha = 0, size = 8,
                        hover = c(name, municipality))

데이터 시각화 - 인터랙티브

`rbokeh`

xwMOOC

2019-03-06

1 `rbokeh`

2 헬로 월드

3 다양한 시각화 산출물

3.1 산점도(`ly_points`)

3.2 선그래프

3.3 히스토그램

3.4 회귀직선

4 시각화 산출물 꾸미기

5 인터랙티브 시각화

5.1 사용자 정의 사항 반영

6 내보내기… 저장하기

7 `grid_plot`과 `facet` 시각화

7.1 `grid_plot` 이질적인 그래프 조합

7.2 `facet` 동질 그래프 조합

8 지리정보 ¹

데이터 시각화 - 인터랙티브

rbokeh

xwMOOC

2019-03-06

1 rbokeh

2 헬로 월드

3 다양한 시각화 산출물

3.1 산점도(ly_points)

3.2 선그래프

3.3 히스토그램

3.4 회귀직선

4 시각화 산출물 꾸미기

5 인터랙티브 시각화

5.1 사용자 정의 사항 반영

6 내보내기… 저장하기

7 grid_plot과 facet 시각화

7.1 grid_plot 이질적인 그래프 조합

7.2 facet 동질 그래프 조합

8 지리정보 1

`rbokeh`

1 `rbokeh`

3.1 산점도(`ly_points`)

7 `grid_plot`과 `facet` 시각화

7.1 `grid_plot` 이질적인 그래프 조합

7.2 `facet` 동질 그래프 조합

8 지리정보 ¹