Diagrammes de Gantt avec R
Quelqu'un at-il utilisé R pour créer un diagramme de Gantt ? La seule solution que je connaisse est ceci , mais je recherche quelque chose de plus sophistiqué, si possible (ressemblant plus ou moins à ceci ou ceci ).
P.S. Je pourrais vivre sans les flèches de dépendance.
Il existe maintenant quelques façons élégantes de générer un diagramme de Gantt dans R.
Utilisation de Candela
library(candela)
data <- list(
list(name='Do this', level=1, start=0, end=5),
list(name='This part 1', level=2, start=0, end=3),
list(name='This part 2', level=2, start=3, end=5),
list(name='Then that', level=1, start=5, end=15),
list(name='That part 1', level=2, start=5, end=10),
list(name='That part 2', level=2, start=10, end=15))
candela('GanttChart',
data=data, label='name',
start='start', end='end', level='level',
width=700, height=200)
Utilisation de DiagrammeR
library(DiagrammeR)
mermaid("
gantt
dateFormat YYYY-MM-DD
title A Very Nice Gantt Diagram
section Basic Tasks
This is completed :done, first_1, 2014-01-06, 2014-01-08
This is active :active, first_2, 2014-01-09, 3d
Do this later : first_3, after first_2, 5d
Do this after that : first_4, after first_3, 5d
section Important Things
Completed, critical task :crit, done, import_1, 2014-01-06,24h
Also done, also critical :crit, done, import_2, after import_1, 2d
Doing this important task now :crit, active, import_3, after import_2, 3d
Next critical task :crit, import_4, after import_3, 5d
section The Extras
First extras :active, extras_1, after import_4, 3d
Second helping : extras_2, after extras_1, 20h
More of the extras : extras_3, after extras_1, 48h
")
Trouvez cet exemple et bien d'autres sur DiagrammeRGitHub
Si vos données sont stockées dans un data.frame, Vous pouvez créer la chaîne à passer à mermaid() en la convertissant au format approprié.
Considérer ce qui suit:
df <- data.frame(task = c("task1", "task2", "task3"),
status = c("done", "active", "crit"),
pos = c("first_1", "first_2", "first_3"),
start = c("2014-01-06", "2014-01-09", "after first_2"),
end = c("2014-01-08", "3d", "5d"))
# task status pos start end
#1 task1 done first_1 2014-01-06 2014-01-08
#2 task2 active first_2 2014-01-09 3d
#3 task3 crit first_3 after first_2 5d
Utilisation de dplyr et tidyr (ou de l'une de vos ressources préférées de traitement de données):
library(tidyr)
library(dplyr)
mermaid(
paste0(
# mermaid "header", each component separated with "\n" (line break)
"gantt", "\n",
"dateFormat YYYY-MM-DD", "\n",
"title A Very Nice Gantt Diagram", "\n",
# unite the first two columns (task & status) and separate them with ":"
# then, unite the other columns and separate them with ","
# this will create the required mermaid "body"
paste(df %>%
unite(i, task, status, sep = ":") %>%
unite(j, i, pos, start, end, sep = ",") %>%
.$j,
collapse = "\n"
), "\n"
)
)
Comme mentionné par @GeorgeDontas dans les commentaires, il y a un petit hack qui pourrait permettre de changer les étiquettes de l'axe x en dates au lieu de 'w.01, w.02'.
En supposant que vous avez enregistré le graphique de sirène ci-dessus dans m, faites:
m$x$config = list(ganttConfig = list(
axisFormatter = list(list(
"%b %d, %Y"
,htmlwidgets::JS(
'function(d){ return d.getDay() == 1 }'
)
))
))
Qui donne:
Utilisation de timevis
Depuis le timevisGitHub :
timevisvous permet de créer des visualisations de chronologie riches et entièrement interactives dans R. Les chronologies peuvent être incluses dans les applications Shiny et les documents de démarque R, ou affichées à partir de la console R et de RStudio Viewer.
library(timevis)
data <- data.frame(
id = 1:4,
content = c("Item one" , "Item two" ,"Ranged item", "Item four"),
start = c("2016-01-10", "2016-01-11", "2016-01-20", "2016-02-14 15:00:00"),
end = c(NA , NA, "2016-02-04", NA)
)
timevis(data)
Qui donne:
Utilisation compliquée
Je suis tombé sur ce post fournissant une autre méthode en utilisant plotly. Voici un exemple:
library(plotly)
df <- read.csv("https://cdn.rawgit.com/plotly/datasets/master/GanttChart-updated.csv",
stringsAsFactors = F)
df$Start <- as.Date(df$Start, format = "%m/%d/%Y")
client <- "Sample Client"
cols <- RColorBrewer::brewer.pal(length(unique(df$Resource)), name = "Set3")
df$color <- factor(df$Resource, labels = cols)
p <- plot_ly()
for(i in 1:(nrow(df) - 1)){
p <- add_trace(p,
x = c(df$Start[i], df$Start[i] + df$Duration[i]),
y = c(i, i),
mode = "lines",
line = list(color = df$color[i], width = 20),
showlegend = F,
hoverinfo = "text",
text = paste("Task: ", df$Task[i], "<br>",
"Duration: ", df$Duration[i], "days<br>",
"Resource: ", df$Resource[i]),
evaluate = T
)
}
p
Qui donne:
Vous pouvez ensuite ajouter des informations et des annotations supplémentaires, personnaliser les polices et les couleurs, etc. (voir l'article de blog pour plus de détails)
Un simple ggplot2 diagramme de Gantt.
Tout d'abord, nous créons des données.
library(reshape2)
library(ggplot2)
tasks <- c("Review literature", "Mung data", "Stats analysis", "Write Report")
dfr <- data.frame(
name = factor(tasks, levels = tasks),
start.date = as.Date(c("2010-08-24", "2010-10-01", "2010-11-01", "2011-02-14")),
end.date = as.Date(c("2010-10-31", "2010-12-14", "2011-02-28", "2011-04-30")),
is.critical = c(TRUE, FALSE, FALSE, TRUE)
)
mdfr <- melt(dfr, measure.vars = c("start.date", "end.date"))
Dessinez maintenant l'intrigue.
ggplot(mdfr, aes(value, name, colour = is.critical)) +
geom_line(size = 6) +
xlab(NULL) +
ylab(NULL)
Pensez à utiliser le package projmanr (version 0.1.0 publiée sur CRAN le 23 août 2017).
library(projmanr)
# Use raw example data
(data <- taskdata1)
taskdata1:
id name duration pred
1 1 T1 3
2 2 T2 4 1
3 3 T3 2 1
4 4 T4 5 2
5 5 T5 1 3
6 6 T6 2 3
7 7 T7 4 4,5
8 8 T8 3 6,7
Commencez maintenant à préparer le gantt:
# Create a gantt chart using the raw data
gantt(data)
# Create a second gantt chart using the processed data
res <- critical_path(data)
gantt(res)
# Use raw example data
data <- taskdata1
# Create a network diagram chart using the raw data
network_diagram(data)
# Create a second network diagram using the processed data
res <- critical_path(data)
network_diagram(res)
Le package plan prend en charge la création de diagrammes de réduction et de diagrammes de Gantt et contient un plot.gantt une fonction. Voir cette page du manuel graphique R
Voir aussi comment en créer un dans R en utilisant l'API R de Plotly GANTT CHARTS IN R USING PLOTLY .
Essaye ça:
install.packages("plotrix")
library(plotrix)
?gantt.chart
Vous pouvez le faire avec le package GoogleVis :
datTL <- data.frame(Position=c(rep("President", 3), rep("Vice", 3)),
Name=c("Washington", "Adams", "Jefferson",
"Adams", "Jefferson", "Burr"),
start=as.Date(x=rep(c("1789-03-29", "1797-02-03",
"1801-02-03"),2)),
end=as.Date(x=rep(c("1797-02-03", "1801-02-03",
"1809-02-03"),2)))
Timeline <- gvisTimeline(data=datTL,
rowlabel="Name",
barlabel="Position",
start="start",
end="end",
options=list(timeline="{groupByRowLabel:false}",
backgroundColor='#ffd',
height=350,
colors="['#cbb69d', '#603913', '#c69c6e']"))
plot(Timeline)
Source: https://cran.r-project.org/web/packages/googleVis/vignettes/googleVis_examples.html
J'ai utilisé et modifié l'exemple ci-dessus de Richie, travaillé comme un charme. Version modifiée pour montrer comment son modèle pourrait se traduire par l'ingestion de données CSV plutôt que par des éléments de texte fournis manuellement.
[~ # ~] note [~ # ~] : la réponse de Richie manquait, indiquant que 2 packages (remodeler et - ggplot2) sont nécessaires pour que le code ci-dessus/ci-dessous fonctionne.
rawschedule <- read.csv("sample.csv", header = TRUE) #modify the "sample.csv" to be the name of your file target. - Make sure you have headers of: Task, Start, Finish, Critical OR modify the below to reflect column count.
tasks <- c(t(rawschedule["Task"]))
dfr <- data.frame(
name = factor(tasks, levels = tasks),
start.date = c(rawschedule["Start"]),
end.date = c(rawschedule["Finish"]),
is.critical = c(rawschedule["Critical"]))
mdfr <- melt(dfr, measure.vars = c("Start", "Finish"))
#generates the plot
ggplot(mdfr, aes(as.Date(value, "%m/%d/%Y"), name, colour = Critical)) +
geom_line(size = 6) +
xlab("Duration") + ylab("Tasks") +
theme_bw()
Voici un article que j'ai écrit sur l'utilisation de ggplot pour générer quelque chose comme un diagramme de Gantt. Pas très sophistiqué, mais pourrait vous donner quelques idées.
Pour moi, Gvistimeline était le meilleur outil pour le faire, mais sa connexion en ligne requise ne m'a pas été utile. J'ai donc créé un package appelé vistime qui utilise plotly (similaire à la réponse de @Steven Beaupré), afin que vous puissiez zoomer etc.:
https://github.com/shosaco/vistime
vistime: créez des chronologies interactives ou des diagrammes de Gantt à l'aide de plotly.js. Les graphiques peuvent être inclus dans les applications Shiny et manipulés via plotly_build ().
install.packages("vistime")
dat <- data.frame(Position=c(rep("President", 3), rep("Vice", 3)),
Name = c("Washington", "Adams", "Jefferson", "Adams", "Jefferson", "Burr"),
start = rep(c("1789-03-29", "1797-02-03", "1801-02-03"), 2),
end = rep(c("1797-02-03", "1801-02-03", "1809-02-03"), 2),
color = c('#cbb69d', '#603913', '#c69c6e'),
fontcolor = rep("white", 3))
vistime(dat, events="Position", groups="Name", title="Presidents of the USA")
Library PlotPrjNetworks fournit des outils de mise en réseau utiles pour la gestion de projet.
library(PlotPrjNetworks)
project1=data.frame(
task=c("Market Research","Concept Development","Viability Test",
"Preliminary Design","Process Design","Prototyping","Market Testing","Final Design",
"Launching"),
start=c("2015-07-05","2015-07-05","2015-08-05","2015-10-05","2015-10-05","2016-02-18",
"2016-03-18","2016-05-18","2016-07-18"),
end=c("2015-08-05","2015-08-05","2015-10-05","2016-01-05","2016-02-18","2016-03-18",
"2016-05-18","2016-07-18","2016-09-18"))
project2=data.frame(
from=c(1,2,3,4,5,6,7,8),
to=c(2,3,4,5,6,7,8,9),
type=c("SS","FS","FS","SS","FS","FS","FS","FS"),
delay=c(7,7,7,8,10,10,10,10))
GanttChart(project1,project2)
Je voudrais améliorer le ggplot-Answer avec plusieurs barres pour chaque tâche.
Générez d'abord quelques données (dfrP est le data.frame de l'autre réponse, dfrR est un autre data.frame avec des dates de réalisation et mdfr est une fusion correspondant à l'instruction ggplot () suivante):
library(reshape2)
tasks <- c("Review literature", "Mung data", "Stats analysis", "Write Report")
dfrP <- data.frame(
name = factor(tasks, levels = tasks),
start.date = as.Date(c("2010-08-24", "2010-10-01", "2010-11-01", "2011-02-14")),
end.date = as.Date(c("2010-10-31", "2010-12-14", "2011-02-28", "2011-04-30")),
is.critical = c(TRUE, FALSE, FALSE, TRUE)
)
dfrR <- data.frame(
name = factor(tasks, levels = tasks),
start.date = as.Date(c("2010-08-22", "2010-10-10", "2010-11-01", NA)),
end.date = as.Date(c("2010-11-03", "2010-12-22", "2011-02-24", NA)),
is.critical = c(TRUE, FALSE, FALSE,TRUE)
)
mdfr <- merge(data.frame(type="Plan", melt(dfrP, measure.vars = c("start.date", "end.date"))),
data.frame(type="Real", melt(dfrR, measure.vars = c("start.date", "end.date"))), all=T)
Tracez maintenant ces données en utilisant des facettes pour le nom de la tâche:
library(ggplot2)
ggplot(mdfr, aes(x=value, y=type, color=is.critical))+
geom_line(size=6)+
facet_grid(name ~ .) +
scale_y_discrete(limits=c("Real", "Plan")) +
xlab(NULL) + ylab(NULL)
Sans les informations is.critical, vous pouvez également utiliser Plan/Real comme couleur (que je préfère), mais je voulais utiliser le data.frame de l'autre réponse pour le rendre plus comparable.
Vous pouvez jeter un oeil à ce post. Cela utilise R et ggplot.
https://dwh-businessintelligence.blogspot.nl/2016/05/what-if-for-project-management.html
Trouvé le geom_segment dans ggplot est génial. Des solutions précédentes, utilisez les données mais pas besoin de fondre.
library(ggplot2)
tasks <- c("Review literature", "Mung data", "Stats analysis", "Write Report")
dfr <- data.frame(
name = factor(tasks, levels = tasks),
start.date = as.Date(c("2010-08-24", "2010-10-01", "2010-11-01", "2011-02-14")),
end.date = as.Date(c("2010-10-31", "2010-12-14", "2011-02-28", "2011-04-30")),
is.critical = c(TRUE, FALSE, FALSE, TRUE)
)
ggplot(dfr, aes(x =start.date, xend= end.date, y=name, yend = name, color=is.critical)) +
geom_segment(size = 6) +
xlab(NULL) + ylab(NULL)