内容简介:以下是最近整理的Shiny小程序的一些笔记曾经在写Shiny小程序的时候,需要包括2个文件:如果是在写代码的时候测试的话,出了用
以下是最近整理的Shiny小程序的一些笔记
App formats and launching apps
曾经在写Shiny小程序的时候,需要包括2个文件: ui.R
和 server.R
,里面分别包含了两个函数: shinyUI()
和 shinyServer()
;但是现在的Shiny程序并不需要这样形式了,只需要一个 app.R
,格式跟我们平时在RStduio中写的shiny程序一样,由三部分组成,如下:
## app.R ## ui <- fluidPage( ...... ) server <- function(input, output) { ...... } shinyApp(ui = ui, server = server)
如果是在写代码的时候测试的话,出了用 shinyApp
外,还可以用
app <- shinyApp(ui, server) runApp(app)
或者如果myapp文件夹下有shiny的小程序话,可以这样调用
runApp("myapp")
Custom Function
在写shiny的server部分时,不可避免会遇到一些自定义函数,这时可以选择如下:
func <- function(x){x + 1} server <- function(input, output){ res <- reactive({ func(as.numeric(input$n)) }) output$text <- renderText({res()}) }
除了上述方式外,可以用将自定义函数直接写在 reactive({})
中,然后再计算输出,如:
server <- function(input, output){ res <- reactive({ as.numeric(input$n) + 1 }) output$text <- renderText({res()}) }
Stop reactions with isolate()
最基本的shiny程序是立即将observer传递给reactive expression,但是有时我们希望其是可控的,比如跟 actionButton
搭配,当点击actionButton才让reactive执行,这时可以考虑用 isolate()
了
使用 isolate()
来隔离reactive expression使其在没有点击actionButton前无法接受observer值,如例子如下:
server <- function(input, output) { output$distPlot <- renderPlot({ # Take a dependency on input$goButton input$goButton # Use isolate() to avoid dependency on input$obs dist <- isolate(rnorm(input$obs)) hist(dist) }) }
如果你不想在页面一开始就输出表格/图片等信息,可以用 input$goButton == 0
的if语句来控制(这种方法很好用的),并且 isolate({})
还可以用于控制reactive expressions,如下的 fib()
函数
output$nthValue <- renderText({ if (input$goButton == 0) return() isolate({ fib(as.numeric(input$n)) }) })
Progress indicators
如果shiny程序将要执行一个优点耗时的计算过程时,可以考虑增加一个progress bar来告诉使用者shiny正在计算ing,蛮实用的一个工具
我之前是这样写的,如下:
server <- function(input, output){ data <- reactive({ data.frame(x=rnorm(10), y=rnorm(10)) }) output$table <- renderTable({ input$goTable withProgress(message = "Try it:", value = 0, { n <- nrow(data()) for (i in 1:n) { incProgress(1/n, detail = "Please wait...") Sys.sleep(0.25) } }) data() }) }
这次看了其教程后发现还有一些功能更为好使的写法(更加简洁和便于理解):
server <- function(input, output){ data <- reactive({ data.frame(x=rnorm(10), y=rnorm(10)) }) output$table <- renderTable({ input$goTable # Create a Progress object progress <- shiny::Progress$new() # Make sure it closes when we exit this reactive, even if there's an error on.exit(progress$close()) progress$set(message = "Try it:", value = 0) n <- nrow(data()) for (i in 1:n) { progress$inc(1/n, detail = "Please wait...") Sys.sleep(0.2) } data() }) }
Render images in a Shiny app
如果想展示一些经过R作图后产生的图片,那么在shiny中是要用 renderPlot()
即可,这也是很常见的用法;但是如果想直接将一张图片传到shiny网页上,则需要考虑用其他方法了
我之前用 renderPlot()
后发现有问题,这次才知道要用 renderImage
才行,如:
output$image <- renderImage({ if (is.null(input$picture)) return(NULL) if (input$picture == "face") { return(list( src = "images/face.png", contentType = "image/png", alt = "Face" )) } }, deleteFile = FALSE)
未完待续。。还有一些继续整理下
本文出自于 http://www.bioinfo-scrounger.com 转载请注明出处
以上所述就是小编给大家介绍的《Shiny用法整理(一)》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- shiny用法整理(二)
- shiny用法整理(三)
- Pandas数据可视化工具——Seaborn用法整理
- 照片整理系列二 —— 照片整理及归档的辛酸历程
- 我自己整理的码农周刊一周分享整理
- 【复习资料】ES6/ES7/ES8/ES9资料整理(个人整理)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Visual C#从入门到精通(第8版)
夏普 (John Sharp) / 周靖 / 清华大学出版社 / 2016-6-1
《Visual C#从入门到精通(第8版)》共27章,结构清晰,叙述清楚。所有练习均在Visual Studio 2015简体中文版上进行过全面演练。无论是刚开始接触面向对象编程的新手,还是打算迁移到C#的C、C++或Java程序员,都可以从《Visual C#从入门到精通(第8版)》汲取到新的知识。迅速掌握C#编程技术。一起来看看 《Visual C#从入门到精通(第8版)》 这本书的介绍吧!