R交互式图表：用 plotly 与 leaflet 做可探索的图

静态图把结论固定下来，交互图把探索的过程交出去。鼠标悬停能读出每个点的具体数值，缩放能放大重叠的区域，点击图例能临时关掉一组——这些在探索数据时省下的时间，比画图本身多得多。

代价也要先讲清楚：交互图不能进期刊 PDF，分享要靠 HTML 文件，点数上万时浏览器会卡，而且读者看到的画面取决于他自己怎么缩放——截图传出去的图，可能和你当初想说的结论不一样。

ggplotly()：一行转换

已经用 ggplot2 画好的图，加一行就能变成交互图：

library(ggplot2)
library(plotly)

p <- ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 2)

ggplotly(p)

图形输出：在 RStudio 的 Viewer 面板（或浏览器）里出现一个可交互的散点图，
点的位置和配色与静态图完全一致。鼠标悬停时弹出提示框，显示该点的
wt、mpg 和 factor(cyl) 三个值；右上角工具栏提供缩放、平移、框选缩放、
重置视图、导出 PNG 五个按钮；点击图例里的某一组可以隐藏或显示该组。
控制台不打印任何内容。

这就是 plotly 最实用的入口：把 ggplotly() 包在已有的 ggplot 对象外面，图上的一切（分面、主题、坐标轴设置）都会带过来。转换后返回的是一个 plotly 对象，可以继续用 %>% 接 layout() 改标题、改坐标轴，写法跟 ggplot2 完全不同——它对应的是 plotly.js 的属性结构。

复杂图层转换后可能走样：自定义统计图层、patchwork 拼好的组合图、部分扩展包提供的 geom，转完都要自己看一眼再发出去。

控制悬停内容

默认提示框把该点上所有映射值都列出来。想精简，用 tooltip 指定要显示哪几项：

ggplotly(p, tooltip = c("x", "y", "colour"))

更实用的是自己拼提示文字。把 text 放进 aes()，提示框就完全由你决定内容：

p2 <- ggplot(mtcars, aes(x = wt, y = mpg, text = rownames(mtcars))) +
  geom_point(size = 2)

ggplotly(p2, tooltip = "text")

图形输出：悬停任意一个点时，提示框只显示一行车名，例如 "Mazda RX4"、
"Datsun 710"、"Cadillac Fleetwood"，不再显示 wt / mpg 的数值和字段名。

rownames(mtcars) 正好是车型名，用它做提示比看数字直观得多。多行提示可以用 paste() 拼，加上 <br> 换行：

aes(text = paste("车型:", rownames(mtcars), "<br>车重:", wt, "千磅"))

提示框里的 HTML 标签会被解析，所以 <br>、<b> 这类标签都能用。做完图记得把 tooltip 的属性留全——只显示车名而藏掉数值，读者想核对具体数据时反而要回到 R 里查。

直接用 plot_ly()

不用 ggplot2 也能画。plot_ly() 的接口更接近 plotly.js，公式写法 ~wt 表示「取 data 里的这一列」：

plot_ly(
  data = mtcars,
  x = ~wt,
  y = ~mpg,
  color = ~factor(cyl),
  colors = c("#0072B2", "#D55E00", "#009E73"),
  type = "scatter",
  mode = "markers",
  marker = list(size = 9, opacity = 0.8),
  hoverinfo = "text",
  text = ~paste("车型:", rownames(mtcars), "<br>车重:", wt, "<br>油耗:", mpg)
) %>%
  layout(
    title = "车重与油耗",
    xaxis = list(title = "车重 (千磅)"),
    yaxis = list(title = "油耗 (mpg)")
  )

图形输出：与 ggplotly() 版本相近的散点图，点按气缸数分三色，颜色取自 Okabe-Ito 配色。
悬停显示「车型 / 车重 / 油耗」三行文字。左上角有标题「车重与油耗」，
x、y 轴标题按 layout() 里的设置显示。plot_ly() 默认的绘图区没有网格线，
背景为白色，和 ggplot2 的默认灰色背景不同。

type 和 mode 决定了画什么：type = "scatter" 配 mode = "markers" 是散点图，配 mode = "lines" 是折线图，mode = "lines+markers" 两者兼有。layout() 里可改的项很多，查文档时对照 plotly.js 的参考页会比看 R 帮助更快。

plot_ly() 适合快速探索，ggplot2 适合需要精细控制、要复现的图。两者不是二选一：用 ggplot2 画好再用 ggplotly() 转换，通常是投入产出比最高的路径。

leaflet：带标记的在线地图

地图是交互式可视化的另一个刚需场景。leaflet 包把地图瓦片、缩放平移、标记弹出框都封好了：

library(leaflet)

cities <- data.frame(
  city = c("北京", "上海", "广州", "成都", "兰州"),
  lng = c(116.4074, 121.4737, 113.2644, 104.0665, 103.8343),
  lat = c(39.9042, 31.2304, 23.1291, 30.5728, 36.0611)
)

cities

  city      lng     lat
1 北京 116.4074 39.9042
2 上海 121.4737 31.2304
3 广州 113.2644 23.1291
4 成都 104.0665 30.5728
5 兰州 103.8343 36.0611

leaflet(cities) %>%
  addTiles() %>%
  setView(lng = 108, lat = 34, zoom = 4) %>%
  addMarkers(lng = ~lng, lat = ~lat, popup = ~city)

图形输出：一张可拖动缩放的 OpenStreetMap 底图，视野以 (108, 34) 为中心、
缩放级别 4，大致覆盖中国全境。5 个蓝色水滴状标记落在北京、上海、广州、成都、兰州，
点击任一标记弹出对应城市名。右下角有 OpenStreetMap 的版权署名。

三个函数撑起了全部骨架。addTiles() 加默认底图——瓦片是实时从 OpenStreetMap 服务器下载的，所以必须联网：断网或内网环境下地图区域是灰的，标记还在。setView() 定初始视野，lng 是经度、lat 是纬度，顺序别写反，leaflet 沿用 GeoJSON 的习惯，经度在前。很多数据源（GPS 记录、部分 API 的返回值）给的是 lat/lng，直接扔进去会把点画到南极洲附近。如果标记全部落在海里，先检查这两个字段有没有对调。

底图样式可以换。做数据叠加时浅色底图更好用，标记和图上的信息不会被路网盖住：

addProviderTiles(providers$CartoDB.Positron)
addProviderTiles(providers$Esri.WorldImagery)

providers$ 后面的名字在 leaflet 的帮助页里有完整列表。注意 Stamen 系列瓦片已经迁移到 Stadia Maps，现在需要申请 API key，网上直接抄来的老代码会加载不出底图。

点多了用 addCircleMarkers() 代替 addMarkers()：矢量圆圈的数量承载能力比水滴图标强得多，还可以加 clusterOptions = markerClusterOptions() 做聚合，缩放时自动把邻近的点合并成一个带数字的圆。上万个点直接画水滴图标，浏览器基本就动不了了。

导出与分享

交互图的分享方式是 HTML 文件。htmlwidgets::saveWidget() 把图和数据打包成一个自包含的文件：

w <- ggplotly(p)
htmlwidgets::saveWidget(w, file = "scatter.html", selfcontained = TRUE)

工作目录下生成 scatter.html。文件是自包含的：plotly 的 JavaScript 库和绘图数据
全部内联在文件里，通常 2–4 MB，双击用浏览器打开就能交互，可以直接当附件发给同门。

selfcontained = TRUE 需要 pandoc（RStudio 自带，纯命令行环境要自己装）。不想用 pandoc 就去掉这个参数，但那样会额外生成一个文件夹存放依赖，移动文件时必须整个文件夹一起走。

两个提醒。第一，HTML 文件里包含完整的原始数据，把数据发给别人之前想清楚这件事——未发表的数据、含个人信息的数据不要这样分享。第二，在 R Markdown 或 Quarto 里写分析报告时，只要代码块返回 plotly 对象，HTML 输出会自动嵌入交互图；但如果输出目标是 PDF 或 Word，knitr 会退化成静态截图，交互效果全部丢失。这也是为什么论文正文里的图还是得用静态图，把交互版放进补充材料或者线上附录。

什么时候用，什么时候不用

适合交互图的场景：自己探索数据（看离群点、看重叠区域、看某个点到底是什么）；网页版的补充材料；组会演示时现场回答「这一组具体是多少」。

不适合的场景：期刊正文图（要矢量、要可复现、要能归档）；需要读者精确比较数值的图；数据量大到浏览器卡顿的分析；以及任何会被打印出来的场合。

静态图的主题、配色和排版规范在 /r/visualization/themes/ 里讲过一遍——ggplotly() 会沿用这些设置，先把静态图调好再转交互图，比在 plotly 里重新做一遍省事得多。如果你也用 Python，静态图的构造方式可以对照 /python/visualization/matplotlib-basics/，交互图那边则是 Plotly 的 Python 版本，plotly.express 的接口和这里的 plot_ly() 同源。