学R，用 Shiny 包打造基于鸢尾花数据集的交互式数据可视化应用

本文链接：https://blog.csdn.net/2301_79425796/article/details/141489905

下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容。

1）栏目后续章节的文章将深入概括R语言在临床研究和新药创新领域的应用，填补了国内R教材中尚未广泛覆盖的部分内容。

2）专栏每篇文章都在 5000 字以上，质量平均分高达 94 分。已发表章节也会增加新的文章，已发表的文章也会更新版本，可留意专栏内容和题目信息。

3）由于每结束一个章节，专栏的优惠力度就会减小，当下正是订阅的最佳优惠时段，诚邀各位积极订阅！看全文请点击下面链接。

1章4节：数据可视化， R 语言的静态绘图和 Shiny 的交互可视化演示（更新20240814）-CSDN博客文章浏览阅读243次。使用R语言，数据科学家和分析师不仅可以快速创建原型，还可以开发全功能的应用程序，供同事、客户或公众使用。这种能力为数据分析和可视化带来了全新的可能性。https://blog.csdn.net/2301_79425796/article/details/141187347?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22141187347%22%2C%22source%22%3A%222301_79425796%22%7D

欢迎订阅我们专栏

.......前面部分请点击上面链接看原文（原文6991字）

一、数据可视化（Data Visualization）

......

二、运用 Shiny 包打造基于鸢尾花数据集的交互式数据可视化应用

在数据科学中，数据的探索和可视化是分析的重要组成部分。R 语言提供了强大的工具来进行数据分析和可视化，其中 Shiny 包允许我们构建交互式的 Web 应用，使用户可以动态地探索数据。本文将详细介绍如何使用 Shiny 构建一个交互式的散点图应用，该应用允许用户选择鸢尾花数据集的不同变量进行可视化，并通过多种选项自定义图形。

1、准备工作

在开始之前，请确保你已经安装了以下 R 包：

shiny: 用于构建交互式 Web 应用的核心包。
bslib: 提供主题支持，允许我们定制 Shiny 应用的外观。
dplyr: 一个用于数据操作的 R 包，使数据过滤和选择更加简洁和高效。
ggplot2: R 中最流行的数据可视化包，用于创建优美且灵活的图形。
ggExtra: 用于在 ggplot2 图形上添加额外信息，如边际图。

可以通过运行以下命令来安装这些包：

install.packages(c("shiny", "bslib", "dplyr", "ggplot2", "ggExtra"))

2、鸢尾花数据集

鸢尾花数据集（iris）是数据科学中常用的经典数据集之一。该数据集包含 150 条记录，每条记录代表一朵鸢尾花的测量数据。数据集包括四个数值变量（萼片长度、萼片宽度、花瓣长度和花瓣宽度）和一个分类变量（物种）。

3、构建 Shiny 应用

我们将分两个部分来构建这个应用：用户界面（UI）和服务器端逻辑（Server）。用户界面定义了应用的外观及交互元素，而服务器端逻辑则处理用户的输入并生成相应的输出。

加载展包和筛选数值型列

# 加载必要的R包
library(shiny)   # 用于构建交互式Web应用
library(bslib)   # 用于主题定制的包
library(dplyr)   # 数据操作包
library(ggplot2) # 数据可视化包
library(ggExtra) # 用于在ggplot2图形中添加边际图的包

# 加载鸢尾花数据集
df <- iris

# 筛选出适合散点图的数值型列
df_num <- df |> select(where(is.numeric))

例如，如果鸢尾花数据集中包含列 Sepal.Length、Sepal.Width、Petal.Length、Petal.Width 和 Species，其中前四列是数值型，那么 df_num 将只包含前四列。

4、定义用户界面

在 Shiny 应用中，用户界面（UI）定义了应用的布局和用户交互组件。我们将使用 page_sidebar 函数来创建一个带有侧边栏的页面布局。

# 定义用户界面
ui <- page_sidebar(
 sidebar = sidebar(
  # 下拉菜单让用户选择X轴变量
  varSelectInput("xvar", "X 变量", df_num, selected = "Sepal.Length"),
  # 下拉菜单让用户选择Y轴变量
  varSelectInput("yvar", "Y 变量", df_num, selected = "Sepal.Width"),
  # 复选框组允许用户根据物种进行筛选
  checkboxGroupInput(
   "species", "按物种筛选",
   choices = unique(df$Species), 
   selected = unique(df$Species)
  ),
  hr(), # 添加水平分隔线
  # 复选框允许用户选择是否按物种显示
  checkboxInput("by_species", "显示物种", TRUE),
  # 复选框允许用户选择是否显示边际图
  checkboxInput("show_margins", "显示边际图", TRUE),
  # 复选框允许用户选择是否添加平滑曲线
  checkboxInput("smooth", "添加平滑曲线")
 ),
 # 输出散点图
 plotOutput("scatter")
)

varSelectInput: 允许用户从鸢尾花数据集的数值变量中选择 X 轴和 Y 轴的变量。
checkboxGroupInput: 允许用户根据物种筛选数据。
hr: 插入一条水平分隔线，以分隔不同的输入控件。
checkboxInput: 复选框，用于控制是否显示物种、是否添加边际图，以及是否在散点图中添加平滑曲线。
plotOutput: 用于在页面上展示由 ggplot2 生成的图形。

欢迎订阅我们专栏，深度系统地学习R语言。

为帮助大家更出色地掌握临床统计、数据挖掘以及人工智能建模的入门知识和应用，由于众多同学在计算机编程上经验欠缺，特此开设《用R 探索医药数据科学》专栏。该专栏每周至少会定期更新三篇，直到整个专栏更新完成。每篇文章都在 5000 字以上，质量平均分高达 94 分。还要提醒大家的是，每结束一个章节，专栏的优惠力度就会减小，当下正是订阅的最佳优惠时段，诚邀各位积极订阅！

专栏《用R 探索医药数据科学》链接：https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482