r - 绘制时间序列热图时提高 ggplotly 的性能

Question

我正在 build 一个 interactive time-series heatmap in R使用 Plotly 和 Shiny。作为此过程的一部分，我将热图值从连续格式重新编码为有序格式 - 所以我有一个热图，其中六种颜色代表特定的计数类别，而这些类别是根据聚合计数值创建的。但是，这会导致使用 ggplotly() 创建热图的速度出现重大性能问题。 .我已将其追溯到 tooltip()来自 Plotly 的函数，它呈现交互式框。即使我只是向 tooltip() 添加单个标签组件，我的热图中的标签数据也会以某种方式重载该函数，使其执行速度非常缓慢。 .我正在使用来自 Johns Hopkins CSSE repository 的 COVID-19 爆发数据的处理子集.这是一个简化的热图代码，它也使用 The Simpsons colour theme from ggsci :

#Load packages
library(shiny)
library(plotly)
library(tidyverse)
library(RCurl)
library(ggsci)

#Read example data from Gist
confirmed <- read_csv("https://gist.githubusercontent.com/GeekOnAcid/5638e37c688c257b1c381a15e3fb531a/raw/80ba9704417c61298ca6919343505725b8b162a5/covid_selected_europe_subset.csv")

#Wrap ggplot of time-series heatmap in ggplotly, call "tooltip"  
ggplot_ts_heatmap <- confirmed %>%
  ggplot(aes(as.factor(date), reorder(`Country/Region`,`cases count`), 
             fill=cnt.cat, label = `cases count`, label2 = as.factor(date), 
             text = paste("country:", `Country/Region`))) + 
  geom_tile(col=1) +
  theme_bw(base_line_size = 0, base_rect_size = 0, base_size = 10) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),legend.title = element_blank()) +
  scale_fill_manual(labels = levels(confirmed$cnt.cat),
                    values = pal_simpsons("springfield")(7)) +
  labs(x = "", y = "")
ggplotly(ggplot_ts_heatmap, tooltip = c("text","label","label2"))

性能提升一次 tooltip = c("text","label","label2")减少(例如到 tooltip = c("text") )。现在，我知道延迟不是“大规模”，但我正在将其与 Shiny 应用程序集成。一旦它与 Shiny 集成并扩展了更多数据，它真的、真的、真的很慢。我什至没有在 tooltip 中显示所有变量它仍然很慢 - 你可以在 the current version of the app 中看到它当您单击“已确认”案例时。

有什么建议？我考虑过替代交互式热图包，如 d3heatmap , heatmaply 和 shinyHeatmaply 但所有这些解决方案都更适用于相关热图，并且缺少 ggplot 的自定义选项。 .

Answer 1

如果您将其重写为“纯”情节(没有 ggplotly 转换)，它会快得多。甚至大约 3000 次。这是一个非常小的基准测试的结果:

Unit: milliseconds
 expr       min        lq       mean     median        uq       max neval
    a 9929.8299 9929.8299 9932.49130 9932.49130 9935.1527 9935.1527     2
    b    3.1396    3.1396    3.15665    3.15665    3.1737    3.1737     2

原因 ggplotly慢得多，因为它不会将输入识别为热图并创建一个散点图，其中每个矩形都用所有必要的属性单独绘制。如果将 ggplotly 的结果包装起来，您可以查看生成的 JSON。或 plot_ly在 plotly_json() .

您还可以检查 object.size在图中，您将看到 ggplotly对象在附近 4616.4 Kb 和 plotly -热图只是 40.4 KB 大。

df_colors = data.frame(range=c(0:13), colors=c(0:13))
color_s <- setNames(data.frame(df_colors$range, df_colors$colors), NULL)
for (i in 1:14) {
  color_s[[2]][[i]] <- pal_simpsons("springfield")(13)[[(i + 1) / 2]]
  color_s[[1]][[i]] <-  i / 14 - (i %% 2) / 14
}

plot_ly(data = confirmed, text = text) %>%
  plotly::add_heatmap(x = ~as.factor(date), 
                      y = ~reorder(`Country/Region`, `cases count`),
                      z = ~as.numeric(factor(confirmed$`cnt.cat`, ordered = T, 
                                             levels = unique(confirmed$`cnt.cat`))),
                      xgap = 0.5,
                      ygap = 0.5,
                      colorscale = color_s,
                      colorbar = list(tickmode='array',
                                      title = "Cases",
                                      tickvals=c(1:7),
                                      ticktext=levels(factor(x = confirmed$`cnt.cat`,
                                                             levels = unique(confirmed$`cnt.cat`),
                                                             ordered = TRUE)), len=0.5),
                      text = ~paste0("country: ", `Country/Region`, "<br>",
                                    "Number of cases: ", `cases count`, "<br>",
                                    "Category:  ", `cnt.cat`),
                      hoverinfo ="text"
  ) %>% 
  layout(plot_bgcolor='black',
         xaxis = list(title = ""),
         yaxis = list(title = ""));