# Gerando dados fictícios de vendas
set.seed(123)
produtos <- c("Produto A", "Produto B", "Produto C", "Produto D")
meses <- c("Jan", "Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out", "Nov", "Dez")
dados_vendas <- data.frame(
produto = sample(produtos, 100, replace = TRUE),
mes = sample(meses, 100, replace = TRUE),
quantidade_vendida = sample(1:50, 100, replace = TRUE),
preco_total = round(runif(100, 100, 1000), 2)
)
# Gerando a Aplicação Shiny
# Pacotes necessários
library(shiny)
library(ggplot2)
# Interface do Usuário
ui <- fluidPage(
titlePanel("Dashboard de Vendas"),
sidebarLayout(
sidebarPanel(
selectInput("produto", "Selecione o Produto:",
choices = sort(unique(dados_vendas$produto)))
),
mainPanel(
plotOutput("grafico_vendas")
)
)
)
# Servidor
server <- function(input, output) {
output$grafico_vendas <- renderPlot({
# Filtrando os dados com base na seleção do usuário
dados_filtrados <- subset(dados_vendas,
produto == input$produto)
# Criando o gráfico com ggplot2
ggplot(dados_filtrados, aes(x = mes,
y = quantidade_vendida,
fill = mes)) +
geom_col() +
theme_minimal() +
labs(title = paste("Vendas Mensais -", input$produto),
x = "Mês",
y = "Quantidade Vendida")
})
}
# shinyApp(ui = ui, server = server)Adicionando Interatividade em gráficos criados com ggplot2
Neste posto, procuro apresentar um pequeno tutorial sobre como inserir interatividade em gráficos criados com ggplot2, a partir do pacote ggiraph. Para isso, utilizarei aplicativos Shiny para demonstrar
Ggiraph
Ggplot2
Shiny
Tutorial
O pacote ggplot2 é reconhecido como uma importante ferramenta para a criação de visualizações de dados, principalmente em R, proporcionando gráficos de alta qualidade de maneira eficiente e intuitiva.
Contudo, os gráficos gerados pelo ggplot2 são, por natureza, estáticos, o que limita a interação do usuário com as visualizações. A ausência de elementos interativos, como tooltips ou ações baseadas em cliques, pode ser uma barreira para aqueles que desejam uma exploração mais aprofundada dos dados, diretamente, a partir das visualizações. Veja o exemplo abaixo, em que temos uma aplicação Shiny, com visualização gráfica a partir do pacote ggplot2. Neste tutorial, vamos gerar um conjunto de dados fictício relacionado a vendas de produtos e utilizaremos o Shiny para construir um dashboard que permita explorá-los.
Perceba que a representação gráfica não apresenta os recursos interativos.
Agora, apresentarei uma solução para adicionar interatividade a esses gráficos por meio do pacote ggiraph, especialmente, dentro de uma aplicação Shiny. O ggiraph possibilita a integração de funcionalidades interativas ao ggplot2, como tooltips, efeitos de hover e ações de clique, sem a necessidade de codificação em JavaScript, enriquecendo a experiência do usuário. Esta abordagem permitirá uma navegação mais intuitiva, proporcionando uma análise exploratória dos dados, diretamente, na interface gráfica, sem depender de interações complexas ou comandos adicionais. Dessa forma, faremos aplicaremos o primeiro exemplo de interatividade.
Explicando:
Utiliazremos um girafeOutput para exibir o gráfico interativo;
No servidor, utilizamos o renderGirafe para gerar o gráfico interativo. O gráfico é criado com o ggplot2 e transformado em interativo com a função girafe(). A função geom_col_interactive() é utilizada para adicionar tooltips aos elementos do gráfico, exibindo informações detalhadas sobre as vendas ao passar o mouse sobre cada barra. Veja o código abaixo e, a seguir, a aplicação sendo executada.
# Gerando dados fictícios de vendas
set.seed(123)
produtos <- c("Produto A", "Produto B", "Produto C", "Produto D")
meses <- c("Jan", "Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out", "Nov", "Dez")
dados_vendas <- data.frame(
produto = sample(produtos, 100, replace = TRUE),
mes = sample(meses, 100, replace = TRUE),
quantidade_vendida = sample(1:50, 100, replace = TRUE),
preco_total = round(runif(100, 100, 1000), 2)
)
# Gerando a Aplicação
# Pacotes necessários
library(shiny)
library(ggplot2)
library(ggiraph)
# Interface do Usuário
ui <- fluidPage(
titlePanel("Dashboard de Vendas"),
sidebarLayout(
sidebarPanel(
selectInput("produto", "Selecione o Produto:",
choices = unique(dados_vendas$produto))
),
mainPanel(
girafeOutput("grafico_vendas")
)
)
)
# Servidor
server <- function(input, output) {
output$grafico_vendas <- renderGirafe({
# Filtrando os dados com base na seleção do usuário
dados_filtrados <- subset(dados_vendas,
produto == input$produto)
# Criando o gráfico com ggplot2
grafico <- ggplot(dados_filtrados,
aes(x = mes,
y = quantidade_vendida,
fill = mes)) +
geom_col_interactive(
aes(tooltip = paste("Mês: ", mes,
"\nQuantidade Vendida: ",
quantidade_vendida),
data_id = mes)) +
theme_minimal() +
labs(title = paste("Vendas Mensais -", input$produto),
x = "Mês", y = "Quantidade Vendida")
# Transformando o gráfico em um objeto interativo
girafe(ggobj = grafico,
options = list(opts_selection(type = "single")))
})
}
# shinyApp(ui = ui, server = server)Agora, para tornar o app ainda mais interativo, além de apresentar os tooltips, vamos adicionar uma janela modal para Drill-Down que exibe detalhes sobre as vendas mensais quando o usuário clica em uma barra do gráfico.
Neste código, utilizamos a função showModal() para exibir uma janela modal quando o usuário clica em uma barra do gráfico. A janela exibe uma tabela com detalhes das vendas para o mês selecionado, permitindo um drill-down de forma simples e intuitiva.
# Gerando dados fictícios de vendas
set.seed(123)
produtos <- c("Produto A", "Produto B", "Produto C", "Produto D")
meses <- c("Jan", "Fev", "Mar", "Abr", "Mai", "Jun", "Jul", "Ago", "Set", "Out", "Nov", "Dez")
dados_vendas <- data.frame(
produto = sample(produtos, 100, replace = TRUE),
mes = sample(meses, 100, replace = TRUE),
quantidade_vendida = sample(1:50, 100, replace = TRUE),
preco_total = round(runif(100, 100, 1000), 2)
)
# Gerando a Aplicação Shiny
# Pacotes necessários
library(shiny)
library(ggplot2)
library(ggiraph)
# Interface do Usuário
ui <- fluidPage(
titlePanel("Dashboard de Vendas"),
sidebarLayout(
sidebarPanel(
selectInput("produto", "Selecione o Produto:", choices = unique(dados_vendas$produto))
),
mainPanel(
girafeOutput("grafico_vendas")
)
)
)
# Atualizando o servidor para incluir janela modal
server <- function(input, output) {
output$grafico_vendas <- renderGirafe({
dados_filtrados <- subset(dados_vendas, produto == input$produto)
# Criando o gráfico com ggplot2
grafico <- ggplot(dados_filtrados, aes(x = mes, y = quantidade_vendida, fill = mes)) +
geom_col_interactive(aes(tooltip = paste("Mês: ", mes, "\nQuantidade Vendida: ", quantidade_vendida), data_id = mes)) +
theme_minimal() +
labs(title = paste("Vendas Mensais -", input$produto), x = "Mês", y = "Quantidade Vendida")
girafe(ggobj = grafico, options = list(opts_selection(type = "single")))
})
observeEvent(input$grafico_vendas_selected, {
showModal(modalDialog(
title = paste("Detalhes de Vendas - Mês: ", input$grafico_vendas_selected),
renderTable({
subset(dados_vendas, mes == input$grafico_vendas_selected & produto == input$produto)
}),
easyClose = TRUE
))
})
}
# shinyApp(ui = ui, server = server)Com o uso do pacote ggiraph em conjunto com o Shiny, conseguimos adicionar uma camada de interatividade aos nossos dashboards, tornando-os mais envolventes e intuitivos para os usuários. A capacidade de adicionar tooltips e eventos de clique facilita a exploração dos dados sem a necessidade de escrever código JavaScript.
Experimente utilizar o ggiraph em seus próximos projetos com Shiny e veja como ele pode transformar a forma como os usuários interagem com seus dados!