使用的数据

nations.csv 来自世界银行指标的数据。
warming.csv 有关1880年至2017年全球年平均温度。
- year
- value 全球平均温度，与1900-2000年的平均温度相比。
simulations.csv美国国家航空航天局（NASA）对历史温度的模拟数据，估计了自然和人为因素对气候的影响，包含以下变量：
- year
- type 自然还是人为影响因素
- value 来自模拟的全球平均温度，相对于1990-2000年的平均模拟值。
charts 空文件夹，我们将在其中保存要制作动画的各个帧。

除了时间序列的数据，还有动态路径数据、实时轨迹数据等等，都需要动态工具，这里就推荐几个吧：

一、ECharts

一个使用 JavaScript 实现的开源可视化库，底层依赖轻量级的矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表，它是由百度团队开源的。

在实际开发中使用的往往会要求从服务器端取数据进行动态显示，一般来说数据请求过程如下：

客户端通过ajax发送请求；
服务器端Servlet接收请求；
生成json数据并返回给客户端；
客户端接收数据后显示。

通常都是用Jsp+Servlet+Echarts来实现动态数据可视化的。

二、Mapv

Mapv是一款地理信息可视化开源库，可以用来展示大量地理信息数据，点、线、面的数据，每种数据也有不同的展示类型，如直接打点、热力图、网格、聚合等方式展示数据。 Mapv使用canvas开发，支持现在被称为“现代”浏览器, 通常兼容除了IE8及IE以下版本的其他大部分浏览器，它也是百度团队开源的。

三、eReport

eReport可以用来做实时大屏的可视化，本身直连数据库，主要是使用起来很简单，而且内置的图表元素也比较丰富，使用者只需在B/S端简单拖拽目标数据及相关维度，即可得到从不同维度分析的结果，同时降低了系统开发的定制化程度，极大地降低了系统开发者的维护成本。

四、deck.gl

deck.gl是由uber开发并开源出来的基于WebGL的大数据量可视化框架。它具有提供不同类型可视化图层，GPU渲染的高性能，React和Mapbox GL集成，结合地理信息数据（GPS）的特点，专门用于大规模探索和可视化数据库。

五、HighCharts

说道Echarts，都会拿来与Hicharts对比，两者有点像WPS和OFFICE的关系，倒不是说Echarts怎样，日常图表动效Echarts完全够了。

Highcharts同样是可视化库，只不过是国外的，商用的话需要付费。其优势是文档详细, 实例也很很详细，文档中依赖哪些js脚本，css都十分详细，学习和开发都比较省时省力，相应的产品稳定性较强。

配置

启动RStudio，创建一个新的RScript，然后通过选择将工作目录设置为包含下载数据的文件夹Session>Set Working Directory>To Source File Location。

安装

加载我们今天将使用的软件包

课程

R语言数据分析挖掘必知必会

从数据获取和清理开始，有目的的进行探索性分析与可视化。让数据从生涩的资料，摇身成为有温度的故事。

立即参加 ➜

# 加载需要的软件包
library(readr)
library(ggplot2)
library(dplyr)

气泡图

我们制作了以下图表，显示了2016年世界各国的人均GDP，出生时的期望寿命和人口：

这是生成该图表的代码：

# 读取数据
nations <- read_csv("nations.csv")
 
# 过滤 2016 年的数据 
nations2016 <- nations %>%
  filter(year == 2016)
 
# 绘制泡泡图
ggplot(nations2016, aes(x = gdp_percap, y = life_expect)) +
  xlab("GDP per capita") +
  ylab("Life expectancy at birth") +
  theme_minimal(base_size = 12, base_family = "Georgia") +
  geom_point(aes(size = population, color = region), alpha = 0.7) +
  scale_size_area(guide = FALSE, max_size = 15) +
  scale_x_continuous(labels = dollar) +
  stat_smooth(formula = y ~ log10(x), se = FALSE, size = 0.5, color = "black", linetype="dotted") +
  scale_color_brewer(name = "", palette = "Set2") +
  theme(legend.position=c(0.8,0.4))

scale_size_area确保圆的大小根据人口数据按其面积缩放，。
labels 将X轴标签的格式。
stat_smooth的工作方式类似，geom_smooth 允许使用formula来指定用于拟合数据趋势线的曲线类型，此处为对数曲线。

现在，Viewer通过运行以下命令将其显示在面板中：

animate(nations_plot)

代码的工作方式

transition_time此功能通过来对数据进行动画处理year，仅显示与任何一个时间点相关的数据。除了每年生成一个帧外，它还生成中间帧以提供平滑的动画。
"{frame_time}"在ggtitle函数内使用会在每个帧上放置一个标题，并带有transition_time函数中变量此处的相应值year。
ease_aes控制动画的进行方式。
enter_fade ，exit_fade这些功能控制动画中数据点出现或消失的行为。您也可以使用enter_shrink和exit_shrink。