shiny动态仪表盘应用 | 中国世界自然文化遗产可视化案例

2017 年 11 月 29 日 R语言中文社区 杜雨
杜雨,EasyCharts团队成员,R语言中文社区专栏作者,兴趣方向为:Excel商务图表,R语言数据可视化,地理信息数据可视化。个人公众号:数据小魔方(微信ID:datamofang) ,“数据小魔方”创始人。


这一篇很早就想写了,一直拖到现在都没写完。

虽然最近的社交网络上娱乐新闻热点特别多,想用来做可视化分析的素材简直多到不可想象,但是我个人一向不追星,对明星热文和娱乐类的新闻兴趣不是很大。还是更愿意把自己的精力贡献在那些不起眼的,然而却更能触动我们心灵与文化内涵的素材上来。

今天要写的主题中国的世界遗产名录,我将使用简单的网络数据抓取,多角度呈现我国当前已经拥有的世界遗产名录数目、类别、地域分布、详情介绍等。

http://www.zyzw.com/twzs010.htm

library("rvest")
library("stringr")
library("xlsx")

首先要确定好要爬取的目标信息。我感兴趣的是世界遗产的名称、申请成功的时间、分布的省份、遗产的性质、简介、详情页网址、预览图片地址。然后分析页面信息与后台代码,准备进入爬取阶段。

url<-"http://www.zyzw.com/twzs010.htm"
web<-read_html(url,encoding="GBK") Name<-web %>% html_nodes("b")%>%html_text(trim = FALSE) %>%gsub("(\\n\\t|,|\\d|、)","",.)%>%grep("\\S",.,value=T)%>%str_trim(side="both")%>%.[1:54] %>%.[setdiff(1:54,c(35,39))] link<-paste0("http://www.zyzw.com/zgsjyc/zgsjyc",sprintf("%03d",1:52),".htm") img_link<-paste0("http://www.zyzw.com/zgsjyc/zgsjyct/zgsjyc",sprintf("%03d",1:52),".jpg") mydata<-data.frame(Name=Name,link=link,img_link) write.xlsx(mydata,"E:/***/mydata.xlsx",sheetName="Sheet1",append=FALSE)

其他信息过于杂乱,抓取清洗非常耗时,索性手动在Excel里面清洗了。

setwd("E:/shiny/WorldHeritageSites")
library("xlsx")
library("lubridate")
library("ggplot2")
library("plyr")
library("RColorBrewer")
library("dplyr")
library("maptools")
library("ggthemes")
library("leafletCN")
library("leaflet")
library("htmltools")
library("shiny")
library("shinydashboard")
library("rgdal")

世界遗产申请年份频率统计:

mydata<-read.xlsx("./data/yichan.xlsx",sheetName="Sheet1",header=T,encoding='UTF-8',stringsAsFactors=FALSE,check.names=FALSE) mydata$Time<-ymd(mydata$Time) ggplot(mydata,aes(Time))+ geom_histogram(binh=30)+ geom_rug()+ scale_x_date(date_breaks="2 years",date_labels = "%Y")+ theme_void() %+replace% theme(     axis.text=element_text(),     plot.margin = unit(c(1,1,1, 1), "lines"),     axis.line=element_line()   )

世界遗产类别统计:

class_count<-plyr::count(mydata$Class) class_count<-arrange(class_count,freq) class_count$label_y=c(0,cumsum(class_count$freq)[1:3])+class_count$freq/2class_count$x<-factor(class_count$x,levels=c("世界文化遗产","世界自然遗产","世界文化与自然遗产","世界文化景观遗产"),order=T) ggplot(class_count,aes(x=1,y=freq,fill=x))+ geom_col()+ geom_text(aes(x=1.6,y=label_y,label=paste(round(class_count$freq*100/sum(class_count$freq)),"%")))+ coord_polar(theta="y")+ scale_fill_brewer()+ guides(fill=guide_legend(title=NULL,reverse=T))+ labs(title="中国世界自然与文化遗产类别占比")+ theme_void(base_size=15)%+replace% theme(plot.margin = unit(c(1,1,1, 1), "lines"))

世界自然文化遗产地域分布:

china_map <- readOGR("D:/R/rstudy/CHN_adm/bou2_4p.shp",stringsAsFactors=FALSE)       ggplot()+ geom_polygon(data=china_map,aes(x=long,y=lat,group=group),col="grey60",fill="white",size=.2,alpha=.4)+ geom_point(data=mydata,aes(x=long,y=lat,shape=Class,fill=Class),size=3,colour="white")+     coord_map("polyconic") +     scale_shape_manual(values=c(21,22,23,24))+     scale_fill_wsj()+     labs(title="中国世界自然文化遗产分布图",caption="数据来源:中国世界遗产名录")+       theme_void(base_size=15) %+replace%     theme(          plot.title=element_text(size=25,hjust=0),          plot.caption=element_text(hjust=0),                legend.position = c(0.05,0.75),          plot.margin = unit(c(1,0,1,0), "cm")          )

基于leaflet动态可视交互的世界自然文化遗产地理分布图

for(i in 1:nrow(mydata)){     mydata$label[i]=sprintf(paste("<b><a href='%s'>%s</a></b>","<p>%s</p>","<p>%s</p>","<p><img src='%s' width='300'></p>",sep="<br/>"),     mydata$link[i],mydata$Name[i],mydata$Class[i],mydata$Information[i],mydata$img_link[i]) } leaflet(china_map)%>%amap()%>%addPolygons(stroke = FALSE)%>% addMarkers(data=mydata,lng=~long,lat=~lat,popup=~label)

leaflet动态效果请点击这里:

http://rpubs.com/ljtyduyu/311149


接下来把以上所有代码封装成一个shinyAPP。

封装UI:

####封装UI:
ui <- dashboardPage(  dashboardHeader(title = "中国世界遗产名录可视化"),  dashboardSidebar(    sidebarMenu(      menuItem("申请时间与类型分布",     tabName = "dashboard1", icon = icon("dashboard")),      menuItem("中国世界遗产地域分布",   tabName = "dashboard2", icon = icon("dashboard")),      menuItem("中国世界遗产分布详情",   tabName = "dashboard3", icon = icon("dashboard")),      menuItem("中国世界遗产名录摘要",   tabName = "widgets", icon = icon("th"))    )  ),  dashboardBody(    tabItems(      tabItem(tabName = "dashboard1",        fluidRow(          box(              title = "申请时间分布",              plotOutput("plot1", height = 500)          ),          box(              title = "世界遗产类别分布",              plotOutput("plot2", height = 500)          )        )      ),      tabItem(tabName = "dashboard2",      fluidRow(          box(              title = "中国世界遗产地域分布",              plotOutput("plot3", width=1000, height=800),              width =10          )        )      ),      tabItem(tabName = "dashboard3",      fluidRow(          box(              title = "中国世界遗产分布详情",              leafletOutput("plot4", width = "100%", height = 1000),              width =12          )        )      ),      tabItem(tabName = "widgets",      fluidRow(          box(              title = "中国世界遗产名录摘要",              h4("中国作为著名的文明古国,自1985年加入世界遗产公约,至2017年7月,共有52个项目被联合国教科文组织列入《世界遗产名录》,与意大利并列世界第一。其中世界文化遗产32处,世界自然遗产12处,世界文化和自然遗产4处,世界文化景观遗产4处。源远流长的历史使中国继承了一份十分宝贵的世界文化和自然遗产,它们是人类的共同瑰宝。正一艺术最后编辑于2017年7月9日。"),width =12          )        )      )    )  ) )

封装Server

server <- shinyServer(function(input, output) { 
  output$plot1 <- renderPlot({
           ggplot(mydata,aes(Time))+
           geom_histogram(binh=30)+
           geom_rug()+
           scale_x_date(date_breaks="2 years",date_labels = "%Y")+
           theme_void() %+replace%
           theme(axis.text=element_text(),plot.margin = unit(c(1,1,1, 1), "lines"),axis.line=element_line())
  })
  output$plot2 <- renderPlot({
        ggplot(class_count,aes(x=1,y=freq,fill=x))+
           geom_col()+
           geom_text(aes(x=1.6,y=label_y,label=paste(round(class_count$freq*100/sum(class_count$freq)),"%")))+
           coord_polar(theta="y")+
           scale_fill_brewer()+
           guides(fill=guide_legend(title=NULL,reverse=T))+
           labs(title="中国世界自然与文化遗产类别占比")+
           theme_void(base_size=15)%+replace%
           theme(plot.margin = unit(c(1,1,1,1), "lines"))
  })
  output$plot3 <- renderPlot({
           ggplot()+ 
           geom_polygon(data=china_map,aes(x=long,y=lat,group=group),col="grey60",fill="white",size=.2,alpha=.4)+
           geom_point(data=mydata,aes(x=long,y=lat,shape=Class,fill=Class),size=3,colour="white")+ 
           coord_map("polyconic") +
           scale_shape_manual(values=c(21,22,23,24))+
           scale_fill_wsj()+
           labs(title="中国世界自然文化遗产分布图",caption="数据来源:中国世界遗产名录")+   
           theme_void(base_size=15) %+replace%
           theme(
           plot.title=element_text(size=25,hjust=0),
           plot.caption=element_text(hjust=0),       
           legend.position = c(0.05,0.75),
           plot.margin = unit(c(1,0,1,0), "cm")
           )
  })
  output$plot4 <- renderLeaflet({
          leaflet(china_map)%>%amap()%>%addPolygons(stroke = FALSE)%>%
          addMarkers(data=mydata,lng=~long,lat=~lat,popup=~label)
  })
})
shinyApp(ui, server)

最终的web仪表盘预览效果:



在线课程请点击文末原文链接:

数据源文件请移步本人GitHub:

https://github.com/ljtyduyu/DataWarehouse/tree/master/File


公众号后台回复关键字即可学习

回复 R               R语言快速入门免费视频 
回复 统计          统计方法及其在R中的实现
回复 用户画像   民生银行客户画像搭建与应用 
回复 大数据      大数据系列免费视频教程
回复 可视化      利用R语言做数据可视化
回复 数据挖掘   数据挖掘算法原理解释与应用
回复 机器学习   R&Python机器学习入门 

登录查看更多
10

相关内容

【实用书】Python爬虫Web抓取数据,第二版,306页pdf
专知会员服务
116+阅读 · 2020年5月10日
报告 | 2020中国5G经济报告,100页pdf
专知会员服务
97+阅读 · 2019年12月29日
【CAAI 2019】自然语言与理解,苏州大学| 周国栋教授
专知会员服务
62+阅读 · 2019年12月1日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
医药零售行业报告
医谷
9+阅读 · 2019年7月8日
R语言自然语言处理:文本分类
R语言中文社区
7+阅读 · 2019年4月27日
文本分析与可视化
Python程序员
9+阅读 · 2019年2月28日
Python数据可视化2018:为什么这么多的库?
Python程序员
4+阅读 · 2019年1月2日
干货|2018中国人工智能商业落地研究报告
机器人大讲堂
3+阅读 · 2018年6月22日
Python | 爬爬爬:爬百度云,爬百度贴吧,爬爱奇艺
计算机与网络安全
3+阅读 · 2018年3月30日
Python 爬虫实践:《战狼2》豆瓣影评分析
数据库开发
5+阅读 · 2018年3月19日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
如何用Python做舆情时间序列可视化?
CocoaChina
11+阅读 · 2017年7月21日
基于LDA的主题模型实践(一)
机器学习深度学习实战原创交流
20+阅读 · 2015年9月9日
Simplifying Graph Convolutional Networks
Arxiv
12+阅读 · 2019年2月19日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
7+阅读 · 2018年6月1日
Arxiv
3+阅读 · 2018年6月1日
Arxiv
151+阅读 · 2017年8月1日
VIP会员
相关资讯
医药零售行业报告
医谷
9+阅读 · 2019年7月8日
R语言自然语言处理:文本分类
R语言中文社区
7+阅读 · 2019年4月27日
文本分析与可视化
Python程序员
9+阅读 · 2019年2月28日
Python数据可视化2018:为什么这么多的库?
Python程序员
4+阅读 · 2019年1月2日
干货|2018中国人工智能商业落地研究报告
机器人大讲堂
3+阅读 · 2018年6月22日
Python | 爬爬爬:爬百度云,爬百度贴吧,爬爱奇艺
计算机与网络安全
3+阅读 · 2018年3月30日
Python 爬虫实践:《战狼2》豆瓣影评分析
数据库开发
5+阅读 · 2018年3月19日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
如何用Python做舆情时间序列可视化?
CocoaChina
11+阅读 · 2017年7月21日
基于LDA的主题模型实践(一)
机器学习深度学习实战原创交流
20+阅读 · 2015年9月9日
Top
微信扫码咨询专知VIP会员