Shiny平台构建与R包开发（三）——数据输出

HaoranWu_ZJU

已于 2022-05-09 15:56:49 修改

阅读量1.8k

点赞数 1

文章标签： r语言

于 2021-09-05 09:09:15 首次发布

本文链接：https://blog.csdn.net/robby_wu/article/details/120109902

版权

作为Shiny平台构建与R包开发教程的第三小节，本节向读者展示如何利用Shiny server输出自己想要的数据，包括Rplot、Table、Text等信息。

数据输出机制

仍以上一节的案例为基础：

library(data.table)

ui.data <- fluidPage(
  fileInput("data_input1", "Experiment:", accept = ".csv"),
  tableOutput('data_tbout1')
)

server <- function(input, output){
  read.d1 <- reactive({
    inFile1 <- input$data_input1
    if (is.null(inFile1)) return(NULL)
    fread(inFile1$datapath)
  })
  
  output$data_tbout1 <- renderTable({
    dat1 <- read.d1()
    head(dat1)
  })
}

shinyApp(ui.data, server)

上一节解释了数据输入Shiny server的机理，阐明了fileInput–input$input_id组合在数据输入中的作用。数据输出的机理类似，其核心是Funcoutput–renderFunc函数组合，其中Func可以是Table、Plot、Text甚至是Plotly等等。renderFunc中的第一个参数定义了数据输出区域的id，这一id就被追加在server的output变量中。采用output$output_id即可完成server与ui的对接。

随后，output$output_id被赋上renderFunc函数的返回值。renderFunc中的表达式是个“reactive表达式”，即任意事件的发生都会导致该表达式的值被重新计算，以确保它的值与服务器的最新状态匹配。表达式的末尾语句相当于该表达式的返回值。该值也成为了输出的最终内容。在上述案例中，server最终显示的内容是head(dat1)，用于打印上传数据的头部，以提醒用户的确成功地把数据传送到了服务器上。

对于其他类型的输出，只需依葫芦画瓢。

Plotly

plotly包支持shiny接口，能实现shiny网页的动态可视化，从而显著提升用户体验感。同时，plotly的ggplotly函数又能很好地与强大的绘图包ggplot2包构建良好的联系，因而实际上成为了renderPlot方法的优良替代品。

Expmeasure包（见教程首页）的Trend 2D模块就是一个很好的例子：

#This case will NOT run
ui.trend.2D_Plot <- fluidPage(
  sidebarLayout(
    sidebarPanel(fluidRow(column(12, align = "center",
                                 actionBttn(
                                   inputId = "trend_2DPlot_APPLY",
                                   label = "APPLY!",
                                   style = "pill", 
                                   color = "danger"
                                 ) )),
                 
                 uiOutput("trend_2DPlot_pick1d_explantory"),
                 width = 3),
    #**************Notice***************
    mainPanel(plotlyOutput('trend_2DPlot_plot1', height = "600px"), width = 9)
    #**************Notice***************
  )
)

server <- function(input, output){
  #...Codes omitted
  
  trend.2Dplot <- function(dat, x, y){
    txt1 <- paste("dat$",x,sep='')
    txt2 <- paste("dat$",y,sep='')
    
    g <- ggplot(dat, aes(eval(parse(text = txt1)), eval(parse(text = txt2)))) + 
      geom_smooth() + geom_point() + 
      xlab(x) + ylab(y)
    #**************Notice***************
    return(plotly::ggplotly(g))
    #**************Notice***************
  }
  
  output$trend_2DPlot_pick1d_explantory <- renderUI({
    pickerInput(
      inputId = "trend_2DPlot_pick1_explantory",
      label = "Select explantory variable", 
      choices = input$data_pick2_explantory
    )
  })
  
  trend_2DPlot_APPLY_click <- 0
  trend_2DPlot_plot1area <- NULL
  #**************Notice***************
  output$trend_2DPlot_plot1 <- renderPlotly({
    if(input$trend_2DPlot_APPLY > trend_2DPlot_APPLY_click){
      trend_2DPlot_APPLY_click  <<- trend_2DPlot_APPLY_click + 1
      trend_2DPlot_plot1area <<- trend.2Dplot(read.d1(), 
                                          input$trend_2DPlot_pick1_explantory, 
                                              input$data_pick1_response)
    }
    trend_2DPlot_plot1area
  })
  #**************Notice***************

  #...Codes omitted
}

其效果如图所示：
在这里插入图片描述
可以看到，plotly中动态交互绘图的工具栏已经显示在Shiny界面上。尽管上述代码复杂，我们只需关注三个地方（被Notice标签包裹）：

plotlyOutput函数：第一个函数定义数据输出区域的id。第二个参数定义输出图片的高度（可有可无，但往往你会发现它还是挺有用的）。
trend.2Dplot自定义函数末尾的ggplotly函数，将一个ggplot转化为plotly的格式。
output变量后跟上数据输出区域的id，从而与ui对接。renderPlotly函数的最后一行返回一个plotly绘图对象，最终使目标区域绘出图像。renderPlotly函数内部代码有些复杂，在本节无需关注，这在下节内容中会详细说明。