Wykresy Gantta z R [zamknięte]

Czy ktoś użył R do stworzenia wykresu Gantta ?

PS Mógłbym żyć bez strzałek zależności.

Istnieje teraz kilka eleganckich sposobów generowania wykresu Gantta w R.

Korzystanie z 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)

Korzystanie z 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
")

Znajdź ten i wiele innych przykładów w DiagrammeR serwisie GitHub

Jeśli twoje dane są przechowywane w a data.frame, możesz utworzyć ciąg do przekazania mermaid(), konwertując go do odpowiedniego formatu.

Rozważ następujące:

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

Korzystanie dplyri tidyr(lub dowolne z ulubionych zasobów do zarządzania danymi):

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"
  )
)

Jak wspomniał @GeorgeDontas w komentarzach, jest mały hack , który pozwoliłby zmienić etykiety osi x na daty zamiast „w.01, w.02”.

Zakładając, że zapisałeś powyższy wykres syreny w m, zrób:

m$x$config = list(ganttConfig = list(
  axisFormatter = list(list(
    "%b %d, %Y" 
    ,htmlwidgets::JS(
      'function(d){ return d.getDay() == 1 }' 
    )
  ))
))

Co daje:

Korzystanie z timevis

Z timevis GitHub :

timevisumożliwia tworzenie bogatych i w pełni interaktywnych wizualizacji osi czasu w R. Osie czasu można umieszczać w aplikacjach Shiny i dokumentach Markdown R lub wyświetlać z poziomu konsoli R i przeglądarki 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)

Co daje:

Korzystanie z fabuły

Natknąłem się na ten post, podając inną metodę przy użyciu plotly. Oto przykład:

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

Co daje:

Następnie możesz dodać dodatkowe informacje i adnotacje, dostosować czcionki i kolory itp. (Szczegóły w poście na blogu)

Prosty ggplot2wykres Gantta.

Najpierw tworzymy dane.

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"))

Teraz narysuj fabułę.

ggplot(mdfr, aes(value, name, colour = is.critical)) + 
  geom_line(size = 6) +
  xlab(NULL) + 
  ylab(NULL)

Rozważ użycie pakietuprojmanr (wersja 0.1.0 wydana w CRAN 23 sierpnia 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

Teraz zacznij przygotowywać Gantta:

# 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)

Spróbuj tego:

install.packages("plotrix")
library(plotrix)
?gantt.chart

Pakiet planobsługuje tworzenie wykresów wypalania i diagramów Gantta oraz zawiera plot.ganttfunkcję. Zobacz tę stronę podręcznika graficznego języka R.

Zobacz także, jak utworzyć jeden w R za pomocą wykresów GANTTA interfejsu API R firmy Plotly IN R USING PLOTLY .

Możesz to zrobić za pomocą pakietu 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)

Źródło: https://cran.r-project.org/web/packages/googleVis/vignettes/googleVis_examples.html

Użyłem i zmodyfikowałem powyższy przykład Richiego, działał jak urok. Zmodyfikowana wersja, aby pokazać, jak jego model może przełożyć się na przetwarzanie danych CSV zamiast ręcznie wprowadzanych elementów tekstowych.

UWAGA : Odpowiedź Richie brakowało wskazania, że 2 opakowania ( przekształcenia i ggplot2 ) są potrzebne do nad / pod kodem do pracy.

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()

Oto post, który napisałem na temat używania ggplot do generowania czegoś w rodzaju wykresu Gantta. Niezbyt wyszukane, ale może dać ci kilka pomysłów.

Dla mnie Gvistimeline była najlepszym narzędziem do tego celu, ale jej wymagane połączenie online nie było dla mnie przydatne. W ten sposób stworzyłem pakiet o nazwie, vistimektóry używa plotly(podobnego do odpowiedzi @Steven Beaupré), dzięki czemu możesz powiększyć itp .:

https://github.com/shosaco/vistime

vistime: Twórz interaktywne osie czasu lub wykresy Gantta za pomocą plotly.js. Wykresy można włączyć do aplikacji Shiny i manipulować nimi za pomocą plotly_build ().

install.packages("vistime")    
library("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")

Bardzo stare pytanie, wiem, ale może warto tutaj zostawić, że - niezadowolony z odpowiedzi, które znalazłem na to pytanie - kilka miesięcy temu stworzyłem podstawowy pakiet do tworzenia wykresów Gantta opartych na ggplot2 : ganttrify (więcej szczegółów w pliku readme pakietu) .

Przykładowe dane wyjściowe:

Biblioteka PlotPrjNetworks zawiera przydatne narzędzia sieciowe do zarządzania projektami.

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)

Chciałbym ulepszyć odpowiedź ggplot o kilka pasków dla każdego zadania.

Najpierw wygeneruj dane (dfrP to data.frame drugiej odpowiedzi, dfrR to inne data.frame z datami realizacji, a mdfr to połączenie pasujące do poniższej instrukcji ggplot () -):

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)

Teraz wykreśl te dane, używając aspektów dla nazwy zadania:

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)

Bez informacji is.critical-information możesz również użyć Plan / Real jako koloru (co wolałbym), ale chciałem użyć ramki data.frame drugiej odpowiedzi, aby była lepiej porównywalna.

Znaleziony segment geom_segment w ggplot jest świetny. Z poprzednich rozwiązań korzystaj z danych, ale nie trzeba ich topić.

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)

GantPlot

Możesz rzucić okiem na ten post. Używa R i ggplot.

https://dwh-businessintelligence.blogspot.nl/2016/05/what-if-for-project-management.html