---
title: "Plotly: Zwei interaktive Diagramme verknüpfen"
output:
  flexdashboard::flex_dashboard:
    orientation: columns
    vertical_layout: fill
    theme: spacelab
    source_code: embed
    fontsize: 16pt
---

Daten: WDI
==========

Wir nutzen Daten der **World Bank**: *World Development Indicators*, WDI.

Der Datenzugriff erfolgt bequem mit dem **WDI-Paket**. Um die aktuelle Liste der verfügbaren Datenreihen abzurufen, aktualisieren wir die Liste, die im Paket enthalten ist, von der Webseite mit der *WDIcache()*-Funktion.

```{r setup}

library(tidyverse)
library(knitr)
library(kableExtra)
library(flexdashboard)
library(WDI)
library(plotly)
library(crosstalk)
library(ggthemes)

knitr::opts_chunk$set(echo = FALSE)

# cache <- WDIcache()
# 
# data_org <- WDI(country = "all",
#             indicator = c(mortality_under_5 = "SH.DYN.MORT",
#                           renewable_energy_consumption = "EG.FEC.RNEW.ZS"),
#             extra = TRUE,
#             cache = cache)
# 
# saveRDS(data_org, "WDI_mort-under-5.rds")

data_org <- readRDS("WDI_mort-under-5.rds")

data <- data_org %>% 
  filter(region != "Aggregates") %>% 
  na.omit()

data %>% 
  select(country, year, mortality_under_5, region, capital) %>% 
  head() %>% 
  kbl() %>% 
  kable_paper("hover", full_width = FALSE,
              lightable_options = "striped",
              font_size = 18)

```

Heute interessieren wir uns vor allem für Kindersterblichkeit bis 5 Jahre (pro 1000 Geburten): *Mortality rate, under-5 (per 1,000 live births)*.


ggplot2 und ggplotly
====================

Column
------

```{r static-plot}

p <- ggplot(data, aes(x = year, y = mortality_under_5, group = country)) +
  geom_line(color = "blue") +
  theme_economist_white() +
  labs(title = "Mortality by Year",
       x = "Year",
       y = "Mortality Rate under-5 per 1,000 live births)",
       caption = "Data Source: World Bank, World Development Indicators (WDI),
                  obtained via the WDI R package, version 2.7.1")

p

```

Zu viele Linien / Länder!

Column
------

```{r ggplotly}

ggplotly(p)

# ggplotly(p) %>% 
#   layout(annotations = list(
#     x = 2016, y = 250, xanchor = 'right', 
#     showarrow = FALSE, 
#     # xshift = 0, yshift = 0, xref = 'paper', yref = 'paper',
#     text = "Data Source: World Bank, World Development Indicators (WDI),
#                          obtained via the WDI R package, version 2.7.1"),
#     font = list(size = 11)
#     )

```
Das interaktive Diagramm zu erstellen ist einfach mit *ggplotly()*, dem ein als Objekt gespeichertes statisches ggplot-Diagramm übergeben wird.

Verbesserungsmöglichkeit: *facetting*, d. h. separate Unter-Diagramme z. B. nach Regionen.

Heute wollen wir jedoch einen anderen Ansatz wählen.


plotly und crosstalk: Regionen interaktiv auswählen
===================================================

```{r plotly-crosstalk}

shared_data <- SharedData$new(data, key = ~region)

p1 <- shared_data %>% 
  plot_ly() %>% 
  group_by(region) %>% 
  summarise(avg_mort = round(mean(mortality_under_5, na.rm = TRUE), 1)) %>% 
  add_markers(x = ~avg_mort, y = ~region, size = 2,
              hoverinfo = "text",
              text = ~paste("Region:", region,
                            "
Average mortality rate, under-5 (per 1,000 live births):", avg_mort)) %>% 
  layout(xaxis = list(title = "Average Mortality Rate,\nunder-5 (per 1,000 live births)"))

p2 <- shared_data %>% 
  plot_ly(x = ~year, y = ~mortality_under_5, ids = ~country,
          hoverinfo = "text",
          text = ~paste("Country:", country,
                        "
Region:", region,
                        "
Year:", year,
                        "
Mortality rate, under-5 (per 1,000 live births):", mortality_under_5)) %>% 
  group_by(country) %>%
  add_lines(color = I("darkgrey")) %>% 
  layout(xaxis = list(title = "Year"), yaxis = list(title = "Mortality Rate, under-5 (per 1,000 live births"),
         title = list(text = "Mortality under-5 by Year"))

cols <- toRGB(RColorBrewer::brewer.pal(3, "Dark2"))

p <- subplot(p1, p2, shareX = FALSE, shareY = FALSE, titleX = TRUE) %>% 
  hide_legend() %>%
  highlight(on = "plotly_click", off = "plotly_doubleclick",
            dynamic = TRUE, color = cols, selectize = TRUE)

# Hack from https://stackoverflow.com/questions/36988379/adjust-axis-positions-ggplot2-facets

p$x$layout$margin$l <- p$x$layout$margin$l + 90
p$x$layout$margin$b <- p$x$layout$margin$b + 90

p

```

Anmerkungen
===========

**crosstalk** ist eine leistungsfähige Ergänzung zu **plotly**: Man kann damit zwei Diagramme interaktiv verknüpfen.

Beide Pakete wurden von **Carson Sievert** initiiert. *help(package = "plotly")* / *help(package = "crosstalk")*, um Mitstreiter abzurufen.

Um zwei Diagramme zu verknüpfen, benötigen wir ein **Shared Data Object**. Es basiert auf dem **R6**-Paket und dem gleichnamigen System für objektorientiertes Programmieren in R.

Die Diagramme werden mit der *plotly*-Syntax erstellt, die z. B. die Tilde ~ erfordert, um Variablen anzugeben, und mit der Pipe %>% statt, wie ggplot2, mit dem + Operator arbeitet.