Chinese_Translation_of_plotly_and_parcoords.Rmd

# Chinese Translation of R Packages for Interactie Plots 交互式数据可视化包: plotly & parcoords

Han Xu and Lin Jiang


#### 原文件链接: 

plotly: https://cran.r-project.org/web/packages/plotly/plotly.pdf

parcoords: https://cran.r-project.org/web/packages/parcoords/parcoords.pdf



------

## R 交互式数据可视化包 'plotly'

------

名称：通过‘plotly.js' 来制作交互式网络图表  
版本：4.9.0  
版权：MIT + 文件 LICENSE  
介绍：从ggplot2制作交互式图标和/或者运用图标语言标准（grammer of graphics)   新定制一个连接界面接口的（MIT版权所有的）Javascript包'plotly.js'  
网站：https://plotly-r.com, https://github.com/ropensci/plotly#readme, https://plot.ly/r  
修复历史文件：https://github.com/ropensci/plotly/issues   
所需运行环境：R（版本>= 3.2.0），ggplot2（>= 3.0.0）  
嵌入包：tools, scales, httr, jsonlite (>= 1.6), magrittr, digest,
viridisLite, base64enc, htmltools (>= 0.3.6), htmlwidgets (>=
1.3), tidyr, hexbin, RColorBrewer, dplyr, tibble, lazyeval (>=
0.2.0), rlang, crosstalk, purrr, data.table, promises  
建议搭配包：MASS, maps, ggthemes, GGally, testthat, knitr, devtools,
shiny (>= 1.1.0), shinytest (>= 1.3.0), curl, rmarkdown,
vdiffr, Cairo, broom, webshot, listviewer, dendextend, sf,
maptools, rgeos, png, IRdisplay, processx, plotlyGeoAssets,
forcats  
惰性存储数据功能：开启  
Roxygen版本：6.1.1  
解码标准：UTF-8  
是否需要编制：不需要  
作者：Carson Sievert [aut, cre] (<https://orcid.org/0000-0002-4958-2844>),
Chris Parmer [aut],
Toby Hocking [aut],
Scott Chamberlain [aut],
Karthik Ram [aut],
Marianne Corvellec [aut] (<https://orcid.org/0000-0002-1994-3581>),
Pedro Despouy [aut],
Plotly Technologies Inc. [cph]  
维护者：Carson Sievert <cpsievert1@gmail.com>  
文件版本库：CRAN  
发布时间：2019-04-10 19:33:05 UTC  

## R 主题/函数目录：

------

## add_annotations

------

#### 描述：
给图表加备注 

#### 用法：
      add_annotations(p, text = NULL, ..., data = NULL, inherit = TRUE)  

#### 参数：  

p：一个交互式图表  

text：需要加上的备注（必须加上的）  

...：这些参数被记录在此网站https://github.com/plotly/plotly.js/

blob/master/src/components/annotations/attributes.js  

data: 一个数据表格（DataFrame格式）  

inherit：是否要沿袭plot_ly()里面设置的属性？  

#### 作者：
Carson Sievert  

------

## add_data

------

#### 描述：

给图表加数据  

#### 用法：
        add_data(p, data = NULL)  

#### 参数：  
p：一个交互式图表  

data：一个Dataframe格式的数据表格  

#### 例子：  
```{r}
library(plotly)
plot_ly() %>% add_data(economics) %>% add_trace(x = ~date, y = ~pce)
```

-------

## add_fun

-------

#### 描述：
当需要加多层数据信息总结的时候可以用此函数  

#### 用法：
      add_fun(p, fun, ...)  

#### 参数：  
p：一个交互式图表  

fun：一个函数，可以用来根据输入的图表为基础并且输出一个新的图表  

...：给以上函数fun的参数  

-------

## add_trace

--------

#### 描述：
给图表加各种图表标记  

#### 用法：  
        add_trace(p, ..., data = NULL, inherit = TRUE)
        add_markers(p, x = NULL, y = NULL, z = NULL, ..., data = NULL, inherit = TRUE)
        add_text(p, x = NULL, y = NULL, z = NULL, text = NULL, ...,
        data = NULL, inherit = TRUE)
        add_paths(p, x = NULL, y = NULL, z = NULL, ..., data = NULL, inherit = TRUE)
        add_lines(p, x = NULL, y = NULL, z = NULL, ..., data = NULL, inherit = TRUE)
        add_segments(p, x = NULL, y = NULL, xend = NULL, yend = NULL, ...,
        data = NULL, inherit = TRUE)
        add_polygons(p, x = NULL, y = NULL, ..., data = NULL,
        inherit = TRUE)
        add_sf(p, ..., x = ~x, y = ~y, data = NULL, inherit = TRUE)
        add_table(p, ..., rownames = TRUE, data = NULL, inherit = TRUE)
        add_ribbons(p, x = NULL, ymin = NULL, ymax = NULL, ..., data = NULL, inherit = TRUE)
        add_area(p, r = NULL, t = NULL, ..., data = NULL, inherit = TRUE)
        add_pie(p, values = NULL, labels = NULL, ..., data = NULL,
        inherit = TRUE)
        add_bars(p, x = NULL, y = NULL, ..., data = NULL, inherit = TRUE)
        add_histogram(p, x = NULL, y = NULL, ..., data = NULL,
        inherit = TRUE)
        add_histogram2d(p, x = NULL, y = NULL, z = NULL, ..., data = NULL,
        inherit = TRUE)
        add_histogram2dcontour(p, x = NULL, y = NULL, z = NULL, ...,
        data = NULL, inherit = TRUE)
        add_heatmap(p, x = NULL, y = NULL, z = NULL, ..., data = NULL, inherit = TRUE)
        add_contour(p, z = NULL, ..., data = NULL, inherit = TRUE)
        add_boxplot(p, x = NULL, y = NULL, ..., data = NULL, inherit = TRUE)
        add_surface(p, z = NULL, ..., data = NULL, inherit = TRUE)
        add_mesh(p, x = NULL, y = NULL, z = NULL, ..., data = NULL, inherit = TRUE)
        add_scattergeo(p, ...)
        add_choropleth(p, z = NULL, ..., data = NULL, inherit = TRUE)  

#### 参数：
p：一个交互式图表  

...：这些属性是赋予trace type的。想要知道所有的属性可以看schema()，在trace -> type -> attributes 里面可以找到  

data：一个DataFrame格式的表格或者crosstalk包里的sharedData表格  

inherit：是否要沿袭plot_ly()里设置的属性？  

x：x坐标的取值（开始x的值）  

y：y坐标的取值（开始y的值）  

z：一个数字的矩阵  

text：文字标签  

xend：最终x的位置  

yend：最终y的位置  

rownames：是否要展示每行的名字  

ymin：一个变量用来规定多边形的底部取值  

ymax：一个标量用来规定多边形的顶部取值  

r：只有极坐标需要此参数  

t：只有极坐标需要此参数  

values：每个圆形分格表的分格大小  

labels：每个圆形分格表的分格标注  

---------

## animation_opts

--------

#### 描述：
可用plot_ly()里面的frame参数实现动画化，或者（非正式）的ggplot2里面的美学设置来实现动画化。默认情况下，动画会配有一个播放按钮，以及一个进度条来控制播放进度。播放按钮和进度条都是根据animation_opts()里设置的参数来运作的  

#### 用法：
        animation_opts(p, frame = 500, transition = frame, easing = "linear",
        redraw = TRUE, mode = "immediate")
        animation_slider(p, hide = FALSE, ...)
        animation_button(p, ..., label)  

#### 参数：  
p：一个互动式图表  

frame：两帧之间停留的时间（包括过度时间）  

transition：两帧之间过度时间  

easing：过度类别，可以在https://github.com/

plotly/plotly.js/blob/master/src/plots/animation_attributes.js中选择  

redraw：是否在过度之后需要重新绘图？重新绘图可能会很大程度上影响速度，但有时候是必要的  

made：描述想要新的动画模式怎么和已有的动画兼容  

hide：是否要移除进度条？  

label：给动画播放按钮的标注  

#### 作者：
Carson Sievert  

#### 例子：

```{r}

df <- data.frame(
x = c(1, 2, 2, 1, 1, 2),
y = c(1, 2, 2, 1, 1, 2),
z = c(1, 1, 2, 2, 3, 3)
)
plot_ly(df) %>%
add_markers(x = 1.5, y = 1.5) %>%
add_markers(x = ~x, y = ~y, frame = ~z)
# it's a good idea to remove smooth transitions when there is
# no relationship between objects in each view
# 在目标相互没有联系的时候取消平滑过渡效果是个好主意
plot_ly(mtcars, x = ~wt, y = ~mpg, frame = ~cyl) %>%
animation_opts(transition = 0)
# works the same way with ggplotly
# 这个和ggplotly是同样的用法
if (interactive()) {
p <- ggplot(txhousing, aes(month, median)) +
geom_line(aes(group = year), alpha = 0.3) +
geom_smooth() +
geom_line(aes(frame = year, ids = month), color = "red") +
facet_wrap(~ city)
ggplotly(p, width = 1200, height = 900) %>%
animation_opts(1000)
}
```

-------

## colorbar

-------

#### 描述：
改变图表的颜色条  

#### 用法：
        colorbar(p, ..., limits = NULL, which = 1)  

#### 参数：  
p：一个交互式图表  

...：这些参数可以在这里找到https://plot.ly/r/reference/#scatter-marker-colorbar.  

limits：一个长度为2的数字向量  

which：表明哪一个是想要更改的颜色条  

#### 作者：
Carson Sievert  


#### 例子：
```{r}
p <- plot_ly(mtcars, x = ~wt, y = ~mpg, color = ~cyl)
# pass any colorbar attribute --
# https://plot.ly/r/reference/#scatter-marker-colorbar
# 可以从以上的网站找到想要的colorbar属性
colorbar(p, len = 0.5)
# Expand the limits of the colorbar
# 增大colorbar的取值范围
colorbar(p, limits = c(0, 20))
# values outside the colorbar limits are considered "missing"
# 在colorbar取值范围之外的值都被看成是极端值
colorbar(p, limits = c(5, 6))
# also works on colorbars generated via a z value
# 这个函数也可以用在z生成的数值上
corr <- cor(diamonds[vapply(diamonds, is.numeric, logical(1))])
plot_ly(x = rownames(corr), y = colnames(corr), z = corr) %>%
add_heatmap() %>%
colorbar(limits = c(-1, 1))
```

-------

## embed_notebook

---------

#### 描述：
把图表嵌入python语言的编辑器里  

#### 用法：
        embed_notebook(x, width = NULL, height = NULL, file = NULL)  
        
#### 参数：  
x：一个交互式图表  

width：嵌入图表的宽度。如果是NULL，则沿袭x的宽度；如果不是NULL，则采用系统默认为100%  

height：嵌入图标的高度。如果是NULL，则沿袭x的高度；如果不是NULL，则采用系统默认为400px  

file：已被移除  

#### 作者： 
Carson Sievert  

-------

## ggplotly

------

#### 描述：
把ggplot2做的ggplot()图表转换成交互式图表  

#### 用法：
      ggplotly(p = ggplot2::last_plot(), width = NULL, height = NULL,
      tooltip = "all", dynamicTicks = FALSE, layerData = 1,
      originalData = TRUE, source = "A", ...)  

#### 参数：  

p：一个交互式图表 

width：图表的宽度  

height：图表的高度  

tooltip：一个用来表明用哪种美学函数的向量。向量里的顺序会决定图标里变量的顺序  

dynamicTicks：决定是否要动态的输出坐标轴标注  

layerData：决定要返回输出哪一层的图像  

originalData：决定应该输出原始数据还是标准化过的数据  

source：一个长度为1字符。可以用event_data()里的参数来提取里面特定的事件信息  

#### 详细信息：

转换的大小会根据正在运行的图表设备来决定（如果没有正在运行的设备，系统默认值是640/480）。
换句话来说，高度和宽度一定要在运行程序的时候设定来保证大小的正确性  

#### 作者：
Carson Sievert  

#### 借鉴网站：
https://plot.ly/ggplot2  
以及：plot_ly()  

#### 例子：
```{r}
# simple example
# 简单的例子
ggiris <- qplot(Petal.Width, Sepal.Length, data = iris, color = Species)
ggplotly(ggiris)

# linked scatterplot brushing
# 连着抛光几个散点图
d <- highlight_key(mtcars)
qplot(data = d, x = mpg, y = wt) %>%
subplot(qplot(data = d, x = mpg, y = vs)) %>%
layout(title = "Click and drag to select points") %>%
highlight("plotly_selected")
# more brushing (i.e. highlighting) examples
# 再有几个抛光（重点强调）的例子
demo("crosstalk-highlight-ggplotly", package = "plotly")
# client-side linked brushing in a scatterplot matrix
# 客户端的抛光散点图矩阵的例子
highlight_key(iris) %>%
GGally::ggpairs(aes(colour = Species), columns = 1:4) %>%
ggplotly(tooltip = c("x", "y", "colour")) %>%
highlight("plotly_selected")
```

-------

## group2NA

-------

#### 描述：

这个函数主要是plotly内部调试用的，但也对熟练的用户有帮助  

#### 用法：
        group2NA(data, groupNames = "group", nested = NULL, ordered = NULL,
        retrace.first = inherits(data, "GeomPolygon"))  
        
#### 参数：  
data：一个DataFrame格式的数据表格  

groupName：一个用来分组的向量  

nested：其他的分组函数  

ordered：一个用来排序的向量  

retrace.first：是否将每组的最后一行和组的第一行贴在一起？  

#### 详细信息：

如果一个组的分布趋势有共同的非位置特性（例如颜色等等），把他们用同一个特性整合在一起，然后用每组缺失的数据来区分效率会更高（要注意connectgaps是设定成False的）  
价值：一个表格首先按照行来排序，然后每组的名字，最后再排序。只要每组名字有正确的变量的名字，新的行会被正确输入来区分各个组  

#### 例子：  
```{r}
# note the insertion of new rows with missing values
# 注意看新插入的行里有缺失数据
group2NA(mtcars, "vs", "cyl")
# need to group lines by city somehow!
# 需要把依据city的线分组！
plot_ly(txhousing, x = ~date, y = ~median) %>% add_lines()
# instead of using group_by(), you could use group2NA()
# 你可以用group2NA()来代替group_by()
tx <- group2NA(txhousing, "city")
plot_ly(tx, x = ~date, y = ~median) %>% add_lines()

# add_lines() will ensure paths are sorted by x, but this is equivalent
# add_lines()会保证出来的图样轨迹是按照x来排序的，但这和之前是一样的
tx <- group2NA(txhousing, "city", ordered = "date")
plot_ly(tx, x = ~date, y = ~median) %>% add_paths()
```





------

## R 交互式数据可视化包 'parcoords'

------

标题：'Htmlwidget' 框架下交互式平行坐标图（适用于d3.js数据可视化库)
版本： 1.0.0
日期：2019-05-13
维护者： Kenton Russell <kent.russell@timelyportfolio.com>
简介：使用‘htmlwidget’生成适用于‘d3.js’的交互式平行坐标图 <https://github.com/BigFatDog/parcoords-es> {'parallel-coordinates'}.

URL链接： https://github.com/timelyportfolio/parcoords

乱码汇报：https://github.com/timelyportfolio/parcoords/issues

适用版本： R (>= 3.2.0)

许可：MIT + file LICENSE

是否为LazyData: 是（意为此包在未使用情况下不会占据内存）

此包使用时需同步使用但不需加载的其他包：crosstalk, htmlwidgets (>= 0.6.0), utils

在实例中使用的其他包： d3r, ggplot2, htmltools, knitr, shiny, testthat, rmarkdown
RoxygenNote 6.1.1

VignetteBuilder：knitr

是否需要Compilation：否（意为下载时不需要其他工具）

作者：

Mike Bostock [aut, cph] (d3.js library in htmlwidgets/lib,
http://d3js.org),

Kai Chang [aut, cph] (parallel coordinates reusable chart,
https://github.com/syntagmatic/parallel-coordinates),

Xing Yun [aut, cph] ('es6' parallel coordinates,
https://github.com/BigFatDog/parcoords-es),

Kenton Russell [aut, cre] (R interface),

Anobel Odisho [aut] (R interface guidance, suggestions, testing,
review, and feedback),

Mark Albrecht [ctb] (Shiny output and example)

版本库： CRAN

发行日期： 2019-05-24 13:10:03 UTC

## R 主题/函数目录：

------

## parcoords 

------

#### 描述：
使用‘htmlwidget’生成适用于‘d3.js’的交互式平行坐标图

#### 用法：
    parcoords(data = NULL, rownames = TRUE, color = NULL,
      brushMode = NULL, brushPredicate = "and", alphaOnBrushed = NULL,
      reorderable = FALSE, axisDots = NULL, margin = NULL,
      composite = NULL, alpha = NULL, queue = FALSE, mode = FALSE,
      rate = NULL, dimensions = NULL, bundleDimension = NULL,
      bundlingStrength = 0.5, smoothness = 0, tasks = NULL,
      autoresize = FALSE, withD3 = FALSE, width = NULL, height = NULL,
      elementId = NULL)
      
#### 参数：
data: 一个data.frame形式的数据，将会用在表格中

rownames：逻辑使用表中data.frame的行名。如果不管此参数，我们会把我们发给JavaScript
的信息赋予到数据的行名上。如果rownames设置为等于FALSE, 我们会使用平行坐标图去隐藏它。

color：颜色可以设置为rgb或者hex的单色。对于一个颜色公式，提供一个以下列表：
list( colorScale = , colorBy = , colorScheme =, colorInterpolator = , colorDomain =)。
其中，colorScale是d3-scale的名字，比如scaleOrdinal或scaleSequential。colorBy指出用来决定
颜色的列。如果将颜色赋予离散的或是顺序的变量，那请务必使用colorScheme, 比如schemCategory10。
如果将颜色赋予连续的变量，那请务必使用colorInterpolator以及colorInterpolator作为
d3 interpolator， 比如interpolateViridis. 如果使用d3的设定颜色， 请记得设定 withD3 = TRUE.

brushmode：字符串，可设定为 “1D-axes"，或者 "1D-axes-multi", 或者 "2D-strums"。此
参数给出想要的给表格的brush设定

brushPredicate：字符串，可设定为“and”或者“or”。此参数给出逻辑判断是否结合多种brush。

alphaOnBrushed：不透明度设定，可以设定为0到1（默认设定为0）。

reorderable：逻辑判定可以改变坐标轴的排序

axisDots：逻辑判定可以标亮出多线与坐标走交汇的点

margin：关于像素所需的页边差距的列表。现在brushMode = "2D-strums"需要左边margin = 0，
所以这个会自动改变且有可能得出不期望的结果

composite：前景内容的混合了 icing

alpha：多线的不透明度设定，可以设定为0到1

queue：逻辑判断（默认设定为FALSE)，用来改变队列逐步的实现模式。一般当数据集非常大时，
设置queue = T。

mode: 字符串，与以上queue参数的设定有关。当queue = T时，会设定mode = “queue”。

rate: 排序所依据的整数比率

dimension: 用来自定义坐标轴维度的列表

bundleDimension: 列或者变量的字符串，用来定义哪些列或者变量捆绑在一起。

bundlingStrength: 0到1之间的数值， 用来设定捆绑的强度。这个数值不会影响平行坐标图，
如果bundleDimension没有设定，此时本变量会被忽略。
 
smoothness: 0到1之间的数值，用来设定使线条变曲线的强度。这个数值不会影响平行坐标图，
如果bundleDimension没有设定，此时本变量会被忽略。

tasks: 一个字符串，或者JS, 或者一个字符串列表，或者一个表现JavaScript公式的JS。这个参数
会在parcoords展示后执行。这个参数提供了一个更高级自定义的机会。注意，function（公式）会使用 
JavaScript call的机制，所以在公式中，this会成为一个含有this.el的对象，this.el会展示
parcoords含有的元素 并且this.parcoords展示parcoords实例。

autoresize: 逻辑判断（默认设定为FALSE)，用来自用调整parcoords的大小当容器的大小改变。
这个在r markdown 演讲（presentation）以及flexdashboard中非常有用。然而此参数对于
更大的数据集或是典型的html环境下不太有用。

withD3: 逻辑判断是否包含d3 dependency (来自于当到d3r)。‘parcoords’ 建立在独立的JavaScript
上，将不会包含全部的d3。如果想包含d3.js, 设定 withD3 = TRUE。

width: 数值，用来设定widget的宽度。 如果设定width = NULL, 会自动设定widget容器为100。

height: 数值，用来设定widget的高度。 如果设定height = NULL, 会自动设定widget容器为400px。

elementId: 独有的给widget的CSS selector id。

#### 产出：
此公式将会生成一个htmlwidget格式的对象，此对象对自动以html格式产出。此对象可以使用在
多种背景中，包括R console, 或是在R Markdown 文件中, 以及在 Shiny 的产出语法设定中。


#### 例子：

```{r}
library(parcoords)

    if(interactive()) {
      # simple example using the mtcars dataset
      # 一个用mtcars数据集的简单例子
      data( mtcars )
      parcoords( mtcars )
      # various ways to change color
      # 有多种方法去改变颜色
      # in these all lines are the specified color
      # 此方法下每条线都有一个特殊的颜色
      parcoords( mtcars, color = "green" )
      parcoords( mtcars, color = "#f0c" )
      # in these we supply a function for our color
      # 此方法下我们通过公式来赋予颜色
      parcoords( mtcars, color = list(colorBy = "cyl", 
                             colorScale = "scaleOrdinal", 
                             colorScheme = "schemeCategory10"), 
        withD3 = TRUE)
      
      if(require('ggplot2', quietly = TRUE)) {
      parcoords(diamonds,rownames = FALSE,brushMode = "1d-axes",
                reorderable = TRUE,queue = TRUE,
                color= list(colorBy="cut", 
                            colorScale = "scaleOrdinal", 
                            colorScheme = "schemeCategory10"),
                withD3 = TRUE)
      } }

```

```{r}
    parcoords(
      mtcars,
      dimensions = list(
        cyl = list(
          title = "cylinder",
          tickValues = unique(mtcars$cyl)
        )
))
```

```{r}
    parcoords(
      mtcars
      ,rownames = FALSE
      ,brushMode = "1d-multi"
      ,brushPredicate = "OR"
      ,dimensions = list(
        cyl = list(
          title = "cylinder",
          tickValues = unique(mtcars$cyl)
) )
)
    ```
    
------

## parcoords-shiny

------

#### 描述：
像在Rmd文件中，产出并使用Shiny中的交互式旭日形图（sunburst）。

#### 用法：
    parcoordsOutput(outputId, width = "100%", height = "400px")
    renderParcoords(expr, env = parent.frame(), quoted = FALSE)  
    
#### 参数：
outputId: 读入的产出变量

width, height: 必须是有效的CSS单位（如“100%”， “400px”， “auto）或是数值，此数值
将会生成一个含有‘px’的字符串

expr: 一个用来生成旭日形图的表达式

env: 用来评估expr的环境

quoted: 是否expr是一个引用的表达式（含有quote（））。当你想要保存表达式为一个变量时，
此变量十分有用。

#### 例子：

```{r eval = FALSE }
if (interactive()) {
  #### filter proxy example ----
  #### 筛选proxy的例子
  library(parcoords)
  library(shiny)
  ui <- tagList(
    textOutput("filteredstate", container=h3),
    parcoordsOutput("pc")
  )
  
  server <- function(input, output, session) {
    rv <- reactiveValues(filtered = FALSE)
    output$pc <- renderParcoords({
      parcoords(mtcars)
    })
    observe({
      # toggle between filtered and unfiltered every 2.5 seconds
      # 每2.5秒在筛选与为筛选中切换
      invalidateLater(2500)
      rv$filtered <- !isolate(rv$filtered)
    })
    observeEvent(rv$filtered, {
      # create a proxy with which we will communicate between
      # Shiny and the parallel coordinates without a re-render
      # 生成一个代理人用于在Shiny和平行坐标图之间交流
      
      pcp <- parcoordsProxy("pc")
      if(rv$filtered) {
        pcFilter(
          pcp, list(
            cyl = c(6,8),
            hp = list(gt = 200)
          )
        )
      } else {
        pcFilter(pcp, list())
      }
    })
    output$filteredstate <- renderText({
      paste0("Filtered: ", rv$filtered)
    }) }
  
  ```
```{r, eval = FALSE, message = FALSE, warning = FALSE}
shinyApp(ui = ui, server = server)
### center proxy example ----
### 中心化proxy的例子

library(shiny)
library(parcoords)
ui <- tags$div(
  parcoordsOutput("pc", width = 2500),
  style="width: 2500px;"
)
server <- function(input, output, session) {
  # create a proxy with which we will communicate between
  # Shiny and the parallel coordinates without a re-render
  # 生成一个代理人用于在Shiny和平行坐标图之间交流
        pcp <- parcoordsProxy("pc")
        output$pc <- renderParcoords({
          parcoords(mtcars)
})
        pcCenter(pcp, 'drat')
}


```

```{r eval = FALSE}
 shinyApp(ui = ui, server = server)
    ### snapshot example ----
    ### snapshot的例子
    library(shiny)
    library(parcoords)
    ui <- tags$div(
      actionButton(inputId = "snapBtn", label = "snapshot"),
      parcoordsOutput("pc", height=400)
)
    server <- function(input, output, session) {
      # create a proxy with which we will communicate between
      # Shiny and the parallel coordinates without a re-render
      # 生成一个代理人用于在Shiny和平行坐标图之间交流
      pcp <- parcoordsProxy("pc")
      output$pc <- renderParcoords({
        parcoords(mtcars)
})
      observeEvent(input$snapBtn, {
        # create a proxy with which we will communicate between
        # Shiny and the parallel coordinates without a re-render
        # 生成一个代理人用于在Shiny和平行坐标图之间交流
        pcp <- parcoordsProxy("pc")
        pcSnapshot(pcp)
}) }
    shinyApp(ui=ui, server=server)
  }


```

------

## parcoordsProxy

------

#### 描述：
生成一个类似parcoords的对象，此对象可用来自定义并且控制一个已经生成的parcoords。
只能用于Shiny apps和Shiny docs。

#### 用法：
      parcoordsProxy(parcoordsId, session = shiny::getDefaultReactiveDomain(),
      deferUntilFlush = TRUE)
    
    
#### 参数：
parcoordsId：一个单个特征矢量，此矢量指出修改的parcoords的产出id（output id）。如果
在一个Shiny模块中唤起，命名空间会自动加入。

session：反对地图所归属的Shiny session。一般情况下，默认设定可以满足要求。

deferUntilFlush：指出反对实例的行动是否需要马上执行，或者他们应该在下一次所有产出更新是
执行。默认设定为TRUE。

#### 详细描述：

通常，你生成一个parcoords表会使用parcoords公式。这个公式会生成一个内存（in-memory）
的你自定义的parcoords表现。这样的parcoords可以在R console 打印出，包阔在R Markdown 文件中, 
或是作为一个Shiny的产出。
对于在Shiny中，你想要更多的自定义一个parcoords，即使它已经生成一个产出。在这个时候，
内存呈现下的parcoords已经过去很久，用户的页面已经实现了parcoords的实例。 
在这个时候，就应该使用parcoordsProxy。 它将会得到一个代替寻常parcoords的对象。寻常的
parcoords公式会被唤起，并且要求会在实况的parcoords实例上执行，而不是自定义那个内存呈现。

------

## pcCenter

------

#### 描述：
基于列/变量，通过parcoordsProxy， 使得parcoords位于水平面的中心。

#### 用法：  
      pcCenter(pc = NULL, dim = NULL)
    
    
#### 参数：

pc： 给出parcoordsProxy

dim：字符串，给出中心化的列/变量


#### 产出：
parcoords_proxy
------

## pcFilter

------

#### 描述：

通过parcoordsProxy筛选parcoords。


#### 用法：
      pcFilter(pc = NULL, filters = NULL)
    
    
#### 参数：
pc：给出parcoordsProxy

filters: 一个用于parcoords proxy的筛选的标准列表。请看search.js（https://github.com/deitch/searchjs）
得到一些作为筛选标准
的例子。


#### 产出：
parcoords_proxy

------

## pcHide

------

#### 描述：
通过parcoordsProxy隐藏 parcoords 的列。


#### 用法
      pcHide(pc = NULL, dim = NULL)


#### 参数：
pc: 给出parcoordsProxy

dim: 字符串，给出想要隐藏的列的名字。


#### 产出：
parcoords_proxy

------

## pcSnapshot

------

#### 描述：
通过parcoordsProxy下载parcoords的图像


#### 用法：
      pcSnapshot(pc = NULL)
    
#### 参数：
pc: 给出parcoordsProxy

#### 产出：
parcoords_proxy

------

## pcUnhide

------

#### 描述：
通过parcoordsProxy取消隐藏parcoords的列

#### 用法：
     pcUnhide(pc = NULL, dim = NULL)
    
    
#### 参数：
pc: 给出parcoordsProxy

dim: 字符串，给出想要隐藏的列的名字。


#### 产出：
parcoords_proxy