前言
一、「spiralize」-又一个惊艳到我的可视化工具~~ 二、可视化学习圈子是干什么的？ 三、系统学习可视化 四、猜你喜欢
前言
我们的数据可视化课程已经上线啦！！目前课程的主要方向是 科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。课程免费新增，这点绝对良心！
我们第一个数据可视化交流圈子也已经上线了，主要以我的第一本书籍《科研论文配图绘制指南-基于Python/R语言》为基础进行拓展，提供「课堂式」教学视频，还有更多拓展内容，可视化技巧远超书籍本身，书籍修正和新增都会分享到圈子里面~~
参与课程或者圈子的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。
「spiralize」-又一个惊艳到我的可视化工具~~
最近学员在群里沟通，问“有没有绘制那种圆形样式的统计图表？”
在查可视化资料，还真发现了一个超赞的图表绘制工具，其绘制的可视化图表如下：
点击去一看才发现是一个专门介绍可视化工具spiralize的文章，赶紧把这个工具收入收藏夹并分享给大家，下面，小编就给大家介绍下这个超赞的可视化工具包~~
spiralize包介绍
spiralize包是一个沿着阿基米德螺旋将数据可视化展示的R语言拓展工具包。它在可视化方面有两大优势：
它能以高分辨率可视化长轴数据。 对于时间序列数据，它能有效地揭示周期性模式。
spiralize包安装
spiralize包的安装方法也非常简单，如下：
install.packages("spiralize")
#或者使用以下方式安装最新版本
library(devtools)
install_github("jokergoo/spiralize")
spiralize包可视化案例
这一小节，小编直接给大家分享该工具包绘制的炫酷可视化案例，其基础的使用语法，读者可自行在其官方进行查看即可。
# the top left plot
spiral_initialize(flip = "none") # default
spiral_track(height = 0.6)
spiral_axis()
# the top right plot
spiral_initialize(flip = "horizontal")
spiral_track(height = 0.6)
spiral_axis()
# the bottom left plot
spiral_initialize(flip = "vertical")
spiral_track(height = 0.6)
spiral_axis()
# the bottom right plot
spiral_initialize(flip = "both")
spiral_track(height = 0.6)
spiral_axis()
# the left plot
spiral_initialize(reverse = FALSE) # default
spiral_track()
spiral_arrow(0.2, 0.8, gp = gpar(fill = "red"))
spiral_axis()
# the right plot
spiral_initialize(reverse = TRUE)
spiral_track()
spiral_arrow(0.2, 0.8, gp = gpar(fill = "red"))
spiral_axis()
spiral_initialize_by_gcoor(xlim = c(2e6, 8e6)) # 2MB to 8MB
spiral_track(height = 0.6)
spiral_axis()
spiral_points(x = runif(500, min = 2e6, max = 8e6), runif(500), pch = 16, gp = gpar(col = 2))
spiral_initialize(xlim = c(0, n), scale_by = "curve_length",
vp_param = list(x = unit(0, "npc"), just = "left"))
spiral_track(height = 0.4)
meth_col = structure(names = unique(df$meth_class), unique(df$meth_col))
spiral_rle(df$meth_class, col = meth_col)
spiral_track(height = 0.4)
tumor_col = structure(names = unique(as.vector(df$tumor_type)), unique(df$tumor_col))
spiral_rle(df$tumor_type, col = tumor_col, labels = TRUE)
lgd_list = tapply(1:nrow(df), df$tumor_type, function(ind) {
Legend(title = df$tumor_type[ind][1], at = unique(df$meth_class[ind]),
legend_gp = gpar(fill = unique(df$meth_col[ind])))
})
# here set max_height to the height of the image so that the legends are automatically arranged
lgd = packLegend(list = lgd_list, max_height = unit(7, "inch"))
draw(lgd, x = unit(1, "npc") + unit(2, "mm"), just = "left")
其他可视化案例如下：
好了，更多关于spiralize包的使用语法和可视化案例，大家可参考：spiralize包官网[1]
可视化学习圈子是干什么的？
可视化学习圈子是书籍「科研论文配图绘制指南-基于Python」一书的学下圈子：主要通过以下几个方面，给大家带来比纸质书籍更丰富的学习内容：
视频教学，和读者零距离互动交流 及时修正勘误和定期新增绘制知识点 拓展衍生，绘图知识点远超书籍本身 直播视频+拓展资料+答疑，学习更高效
「PS」：我们直播教学内容为课堂式教学，原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程，圈子中的同学可以免费、反复观看。当然，新增内容和定期答疑，直播也是如此。
为何会有这个书籍学习社群？无门槛的微信群难免会鱼龙混杂，问题和质量都无法得到保证，而且一些关键问题经常被淹没，且没有沉淀价值。
随着添加我微信的人日益增多，向我提问的人也越来越多，随便回答一下就太不负责任了；不回答也不是很好；如果都仔细回答，我也有自己的工作并且确实很忙，真的有点心有余而力不足！所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验，以及给大家提供一个坚持学习的平台。
书籍双十一优惠价，真的超划算呢！
有需要的同学千万别错过了呢
微信扫码下方二维码即可参与我们的书籍学习圈子啦：
系统学习可视化
当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的 阅读原文。
猜你喜欢
spiralize包官网: https://jokergoo.github.io/spiralize/index.html。
