gpt4 book ai didi

r - 绘制时间序列热图时提高 ggplotly 的性能

转载 作者:行者123 更新时间:2023-12-03 09:33:26 24 4
gpt4 key购买 nike

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 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。 .

enter image description here

最佳答案

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_lyplotly_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 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 = ""));

关于r - 绘制时间序列热图时提高 ggplotly 的性能,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60763006/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com