Animace v ggplot2

Knihovna ggplot2 je v současnosti nejefektivnější nástroj pro vizualizaci dat. V kombinaci s nástroji pro práci s daty z knihovny dplyr zvládnete v rychlosti vytvořit prakticky libovolný graf. Spousta uživatelů však neví, že cesta od statického grafu k dynamické animaci je jen jediný příkaz. Výsledek si můžete uložit například do obrázku ve formátu gif nebo do videa. V tomto článku si na velmi aktuálních datech ukážeme, jak je to snadné.

Pro přípravu dat budeme potřebovat knihovnu readr, pro přípravu dat dplyr a pro samotnou vizualizaci ggplot2. Všechny tyto knihovny jsou obsaženy v knihovně tidyverse, takže postačí, když načteme pouze tu. Pro převod grafu do animace použijeme knihovnu gganimate.

require(tidyverse)
require(gganimate)

Příprava dat

Jako zdroj dat použijeme organizaci Our World in Data. Data obsahují pro každý stát a každý den informace o počtu provedených testů, počtu potvrzených případů i počtu úmrtí. Obsahují i některé popisné statistiky o jednotlivých státech, ale těmi se zabývat nebudeme.

covid <- read_csv("https://covid.ourworldindata.org/data/owid-covid-data.csv")

Z dat je potřeba nejprve odstranit souhrnná data za celý svět. Pro naši vizualizaci vezmeme pouze data od začátku března. Pro každý den nám stačí informace o 15 státech s největším počtem potvrzených případů. Proto si zvlášť pro každý den jednotlivé státy očíslujeme a necháme si pouze prvních 15. Dále si můžeme nechat pouze ty sloupečky, které skutečně potřebujeme.

num_countries <- 15
data <- covid %>%
  filter(location != "World", date >= "2020-03-01") %>%
  group_by(date) %>%
  mutate(rank = rank(-total_cases, ties.method = 'first')) %>%
  ungroup() %>%
  filter(rank <= num_countries) %>%
  select(location, date, total_cases, rank)

Vytvořená data (prvních několik řádků) vypadá takto.

location	date	total_cases	rank
Australia	2020-03-03	33	14
Australia	2020-03-04	41	14
Australia	2020-03-05	52	14
Australia	2020-03-25	2423	15
Austria	2020-03-17	1016	15
Austria	2020-03-18	1332	12

Statický graf

Jak bylo zmíněno v úvodu, přechod z grafu do animace se dá zvládnout jediným příkazem. Začneme proto přípravou statického grafu do požadovaného formátu. Ten poté jednoduše převedeme do animace. Pro statický graf nám postačí data pro jeden den.

selected_date <- as.Date("2020-04-30")
data_day <- data %>%
  filter(date == selected_date)

Pro sloupcový graf bychom běžně použili vrstvu geom_bar, kde bychom na ose x měli jednotlivé státy - tedy kategorickou proměnnou. Pro hladký přechod na animaci potřebujeme mít na ose x číselnou proměnnou - pořadí státu dle počtu případů. Provizualizaci použijeme vrstvu geom_tile. U té je potřeba specifikovat střed sloupce a jeho výšku. Jednotlivé státy rozlišíme barevně.

p <- ggplot(data_day, aes(rank)) +
  geom_tile(aes(y = total_cases / 2, height = total_cases, fill = location), width = 0.75)
plot(p)

V dalším kroku prohodíme osy a u osy x otočíme pořadí (1 je nahoře, 15 dole). Přestože jsme prohodili osy, značení stále x odpovídá pořadí státu a y počtu případů. Pořadí v grafu nechceme, proto jej odstraníme pomocí breaks=NULL.

p <- p +
  coord_flip() +
  scale_x_reverse(breaks = NULL)
plot(p)

Název státu nechceme mít v legendě, ale přímo v grafu - i text bude pohyblivý. Ten nastavíme tak, aby pravý okraj textu (hjust='right') byl na hodnotě 0. Pro lepší čitelnost můžeme odsadit o jednu mezeru. Název státu odstraníme z legendy pomocí guide=F u obou parametrů barvy. Při vykreslování grafu ggplot ignoruje velikost textu a je možné, že se text nevejde do obrázku. V tomto případě je nejjednodušší ručně rozšířit oblast grafu o předem zvolenou hodnotu pomocí vrstvy expand_limits().

p <- p +
  geom_text(aes(y = 0, label = paste0(location, " "), color = location), hjust = 'right') +
  scale_fill_discrete(guide = F) +
  scale_color_discrete(guide = F) +
  expand_limits(y = -270000)
plot(p)

Poslední úpravy provedeme na popiskách grafu. Názvy os odstraníme a přidáme nadpis a podnadpis. Na ose y zvolíme popisky po 200 tisících, které můžeme upravit do libovolného tvaru. Všimněte si, že volba svislých čar (breaks a minor_breaks) nijak neupravuje rozsah grafu. Někomu se líbí šedivé pozadí grafu, já preferuji jednodušší vzhled. Motiv si snadno změníte pomocí některé z vrstev theme_*.

p <- p +
  labs(x = NULL, y = NULL, title = "Covid-19 potvrzené případy",
       subtitle = paste("datum:", selected_date)) +
  scale_y_continuous(
    breaks = seq(0, 2e6, 2e5),
    labels = c("0", paste0(seq(200, 800, 200), "k"), paste0(seq(1, 2, 0.2), "M")),
    minor_breaks = seq(0, 2e6, 1e5)) +
  theme_minimal()
plot(p)

Graf je samozřejmě možné vytvořit jednou posloupností příkazů.

p <- ggplot(data_day, aes(rank)) +
  geom_tile(aes(y = total_cases / 2, height = total_cases, fill = location), width = 0.75) +
  coord_flip() +
  scale_x_reverse(breaks = NULL) +
  geom_text(aes(y = 0, label = paste0(location, " "), color = location), hjust = 'right') +
  scale_fill_discrete(guide = F) +
  scale_color_discrete(guide = F) +
  expand_limits(y = -250000) +
  labs(x = NULL, y = NULL, title = "Covid-19 potvrzené případy",
       subtitle = paste("datum:", selected_date)) +
  scale_y_continuous(
    breaks = seq(0, 2e6, 2e5),
    labels = c("0", paste0(seq(200, 800, 200), "k"), paste0(seq(1, 2, 0.2), "M")),
    minor_breaks = seq(0, 2e6, 1e5)) +
  theme_minimal()

Animace

Pokud máme graf poskládaný tak, jak bychom chtěli, můžeme přejít k samotné animaci. Tu vytvoříme přidáním vrstvy transition_time se správnou volbou sloupce s datem. Samozřejmě je nutné nyní použít kompletní data namísto jednoho dne. V animaci máme možnost také dynamicky měnit datum v nadpisu grafu. To můžeme udělat pomocí proměnné frame_time ve složených závorkách. Všechny tři upravené řádky jsou v kódu označeny.

anim <- ggplot(data, aes(rank)) +                                          # <<<<<<<<<<<
  geom_tile(aes(y = total_cases / 2, height = total_cases, fill = location), width = 0.75) +
  coord_flip() +
  scale_x_reverse(breaks = NULL) +
  geom_text(aes(y = 0, label = paste0(location, " "), color = location), hjust = 'right') +
  scale_fill_discrete(guide = F) +
  scale_color_discrete(guide = F) +
  expand_limits(y = -300000) +
  labs(x = NULL, y = NULL, title = "Covid-19 potvrzené případy",
       subtitle = "datum: {frame_time}") +                                 # <<<<<<<<<<<
  scale_y_continuous(
    breaks = seq(0, 2e6, 2e5),
    labels = c("0", paste0(seq(200, 800, 200), "k"), paste0(seq(1, 2, 0.2), "M")),
    minor_breaks = seq(0, 2e6, 1e5)) +
  transition_time(date) +                                                  # <<<<<<<<<<<
  theme_minimal()

Animaci již zbývá pouze vykreslit. Takto si ji můžeme jednoduše zobrazit. Parametr nframes určuje rychlost animace - čím více snímků, tím pomalejší a delší animace bude. Aby animace neskončila hned za posledním datem, je možné si ji chvíli pozdržet parametrem end_pause.

animate(anim, nframes = 500, end_pause = 25)

Alternativně je možné animace rovnou uložit do souboru ve formátu gif, mp4 a spousty dalších.

animate(anim, nframes = 500, end_pause = 25, renderer = gifski_renderer("covid.gif"))
animate(anim, nframes = 500, end_pause = 25, renderer = av_renderer("covid.mp4"))