Interaktive Diagramme in R: Heatmap mit Mouseover (HTML / Javascript)

Finden Sie statische Diagramme langweilig? Die freie Statistik-Software R bietet verschiedene Möglichkeiten, Diagramme interaktiv zu gestalten. Die einfachere Variante besteht darin, HTML in Verbindung mit Javascript einzusetzen. Hier eine Heatmap, die die Leistung verschiedener Standorte im Hinblick auf diverse Prüfkriterien visualisiert. Die interaktive Version wurde auf eine separate Seite gelegt und ist per Klick erreichbar.

Heatmap blue statisch mit Link zu dynamischer Javascript-Version
Heatmap statt Mittelwertstabelle (je dunkler, desto besser); als HTML mit Javascript interaktiv (Infos durch Mouse-Over): siehe Interaktive Heatmap (HTML mit Javascript)

Die d3heatmap-Funktion aus dem gleichnamigen R-Paket bietet zusätzlich zu den auch für statistische Laien intuitiv verständlichen Farbabstufungen an den Rändern die Ergebnisse von hierarchischen Clusteranalysen, die Ähnlichkeiten zwischen den Merkmalen bzw. Standorten oder allgemeiner zwischen den Bewertungskriterien („Variablen“) und Gruppen („Fällen“) kennzeichnen.

Interaktive Diagramme: HTML und Javascript

Vorteil: Man benötigt keine R-Software, um das Diagramm zu betrachten. Nachteil: Javascript benötigt Zugriff auf die Daten, was bei nicht-öffentlichen sowie sehr großen Datensätzen problematisch ist. Zudem ist die Funktionalität auf das beschränkt, was man von R auf Javascript übertragen kann. Dazu gibt es htmlwidgets. Die „Berechnung“ der Grafik erfolgt im Browser des Betrachters.

Interaktive Diagramme: Shiny

Shiny Apps bieten hingegen ein wesentlich umfangreicheres Funktionsspektrum und können größere Datenmengen wesentlich schneller verarbeiten. Dazu muss jedoch R auf einem Server laufen, der das Ergebnis der Berechnung als (statisches) HTML an den Browser des Betrachters liefert. Es gibt eine kostenlose Basisversion, bei der man den Shiny Server von R Studio nutzt; dabei ist die Anzahl der Diagramme sowie die Anzahl der aktiven Stunden pro Monat begrenzt. Will man mehr, muss man entweder ein Abo abschließen (wobei die Daten dann ebenfalls auf einem R-Studio-Server liegen) oder einen eigenen Server betreiben. Ein weiterer Nachteil besteht darin, dass man sich in Shiny einarbeiten muss, was anspruchsvoller ist als die Arbeit mit htmlwidgets.

ggplot2: Buch von Hadley Wickham

Interactive Web-Based Data Visualization with R, plotly, and shiny

Freue mich über Kommentare!

Wir benutzen Cookies um die Nutzerfreundlichkeit der Webseite zu verbessen. Durch Deinen Besuch stimmst Du dem zu.