R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记)

要学的东西太多,无笔记不能学~~ 欢迎关注公众号,一起分享学习笔记,记录每一颗“贝壳”~

———————————————————————————


看了看往期的博客,这个话题竟然是第一次涉及,还真是学无止境啊。

Web Service 这个概念比较成功了, 在SOAP服务之后, Restful服务的普及, 使得数据库的CRUD操作通过网络无限延伸。 普遍的好处是:

1) 你不需要安装任何程序, 携带数据, 只要有网的地方, 你就能演示。(远程)

2) 只要安装一次, 可以多人使用, 可以让别人试用。(多用户)

3) 不用担心软件或者代码泄密, 可以控制用户使用时间和权限。 (服务)


——————————————————————————————————


案例一:中文词云


昨天自己动手实践了一把,做了一个简单的低版本词云实现的web,同时里面内嵌了jiebaR分词,导入文本即可分词、画词云,效果如下图:


R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记)_第1张图片


——————————————————————————————

案例二:社交网络


网络上的一个社交网络案例——打开网页即可使用:

https://kehaowu.shinyapps.io/SocialNetwork/

R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记)_第2张图片

这个是个非常简单的应用,我们输入的数据包括人物关系和一些简单的参数。其中人物关系是这样定义的:

比如A和B是friend关系,那么:

输入数据中的Former Person就是A;Later Person就是B,Label就是friend。

依次类推,如果A和B是friend关系,A和C是couples关系,B和C是classmate关系,那么输入数据就应该是:

Former Person: A,A,B

Later Person: B,C,C

Label:friend,couples,classmate


参考博客:

R语言 用shiny开发一个简单的画人物关系应用

 


——————————————————————————————

案例三:官网的案例库


http://shiny.rstudio.com/gallery/

有案例库,你就知道怎么做了吧?——别告诉我,你没做过PPT,copy一下他们的代码就行啦~

R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记)_第3张图片


——————————————————————————————


一、Shiny安装


1. 直接通过包管理器安装


      install.packages("shiny")

2. 利用devtools通过github安装


      if (!require("devtools"))
  install.packages("devtools")devtools::install_github("rstudio/shiny")


这里要注意, 如果需要利用代理

library(httr)set_config(
  use_proxy(url="18.91.12.23", port=8080, username="user",password="password"))

或者要设定专门的版本号

      devtools::install_version("shiny", version = "0.10.2.2")

————————————————————————————————————————————


二、ui.R+server.R+global.R


看到网上大多给你扯ui.R+server.R,很少会提到global.R,笔者在自己实践的时候遇到的了global.R的使用问题,网上教程只能自己参悟了。

ui.R:搭框架,控件;

server.R:每个控件背后的算法代码;

global.R:server.R中,万一有很长的代码与调用很多其他packages就可以用global写一个函数集合,然后统一在server.R调用。


基本的框架就是:

# ui.R

library(shiny)

shinyUI(fluidPage(

))

# server.R

library(shiny)

shinyServer(function(input, output) {

})

往里面的函数里面写东西就行。


1、ui.R——界面设计


library(shiny)

# Define UI for application that plots random distributions 
shinyUI(pageWithSidebar(

  # Application title
  headerPanel("Hello Shiny!"),

  # Sidebar with a slider input for number of observations
  sidebarPanel(
    sliderInput("obs", 
                "Number of observations:", 
                min = 0, 
                max = 1000, 
                value = 500)
  ),

  # Show a plot of the generated distribution
  mainPanel(
    plotOutput("distPlot")
  )
))
sidebarPanel就是侧面的控件,mainPanel就是右边的控件(默认位置),一般mainPanel通过plotOutput画图。
sliderInput是一个滑动的窗口。


2、server.R


library(shiny)


shinyServer(function(input, output) {


  output$distPlot <- renderPlot({

    dist <- rnorm(input$obs)
    hist(dist)
  })
})

server.R是数据处理的地方,后端,数据来源都来自于ui.R,譬如obs,可能server处理好的图才是返回给ui.R。譬如dist

要调用ui里面的内容的话就是Input$obs就是上面sliderInput里面输入的内容。


Shiny提供一些缓存优化的机制, 其中最有效的是Reactive Expression 反冲表达式。

Reactive机制使得交互渲染的效率大幅度提高。 举个例子, server.R返回一个数据绘图, 但是每次运行需要重新读取数据。 但是当如果输入没有变化的时候, 这种重复的数据读取会极大的延迟反应, 浪费资源。

基于这种考虑, 我们使用reactive关键词重写了数据读取模块。reactive像一个带cache的模块, 并且当reactive检查到数据输入没有任何变化, 那么输出也不会有变化的时候, reactive就会使用缓存的数据,避免了重复运算, 加速了反应。



3、global.R


那么关系现在是这样的,ui.R负责前端,是数据获取的地方,server.R是处理的地方,返回的是处理好后的数据列;那么global.R是用来补充server.R的功能的。

一般是用来写一个函数,然后直接在server.R调用。

来看一个官网里面的global的案例:

library(tm)
library(wordcloud)
library(memoise)

# The list of valid books
books <<- list("A Mid Summer Night's Dream" = "summer",
              "The Merchant of Venice" = "merchant",
              "Romeo and Juliet" = "romeo")

# Using "memoise" to automatically cache the results
getTermMatrix <- memoise(function(book) {
  # Careful not to let just any name slip in here; a
  # malicious user could manipulate this value.
  if (!(book %in% books))
    stop("Unknown book")

  text <- readLines(sprintf("./%s.txt.gz", book),
    encoding="UTF-8")

  myCorpus = Corpus(VectorSource(text))
  myCorpus = tm_map(myCorpus, content_transformer(tolower))
  myCorpus = tm_map(myCorpus, removePunctuation)
  myCorpus = tm_map(myCorpus, removeNumbers)
  myCorpus = tm_map(myCorpus, removeWords,
         c(stopwords("SMART"), "thy", "thou", "thee", "the", "and", "but"))

  myDTM = TermDocumentMatrix(myCorpus,
              control = list(minWordLength = 1))
  
  m = as.matrix(myDTM)
  
  sort(rowSums(m), decreasing = TRUE)
})
主要就是写了一个函数,一开始把调用的包都给出来了,然后跟函数一样了。这里的memoise函数是缓存的功能,之后就跟正常使用的代码一样。

————————————————————————————————————————————


三、shiny的部署


很简单的是,一般写完之后放在一个文件夹里面,然后runApp一下那个路径的文件夹就行了。

或者Rstudio里面可以直接:”Run App“按钮,你把三个文件导入Rstudio随便点一下就可以,Rstudio会帮你识别。

其中,你想要最右边的那三个代码栏目的话,把”DESCRIPTION“+”Readme.md“复制到那个文件夹里面,自动会显示出来,而且所有的APP都可以复制同一份内容,上面的两个东西可以到library的example里找得到。


R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记)_第4张图片

————————————————————————————————————————————


四、Shiny 服务器


假如你有创建了很多的Shiny服务, 那么一个专门的Shiny服务器会方便部署。

一般可以有两种部署, 一种是自己搭建一个Shiny Server。 这样就可以同时使用很多的Shiny 应用了。

另外一种是直接部署到Shiny云服务上去, 譬如“www.shinyapps.io” 注册一个云账号, 然后把服务部署到云上去。在注册完成后, 你只要遵照详细的链接, 授权, 和部署的步骤,就可以把本地Shiny App上传部署。


参考来自微信公众号: AIaidddzcAI2ML人工智能to机器学习


————————————————————————————————————————————


延伸一:一个用于监控Shiny应用的Shiny应用

来源公众号:子豹

核心部分来自Huidong Tian的文章
http://withr.me/a-shiny-app-serves-as-shiny-server-load-balancer

## Setup work directory;
setwd("/srv/shiny-system/Data") 
I <- 0
for (i in 1:60) {
  system("top -n 1 -b -u shiny > top.log")
  dat <- readLines("top.log")
  id <- grep("R *$", dat)
  Names <- strsplit(gsub("^ +|%|\\+", "", dat[7]), " +")[[1]]
  if (length(id) > 0) {
    # 'top' data frame;
    L <- strsplit(gsub("^ *", "", dat[id]), " +")
    dat <- data.frame(matrix(unlist(L), ncol = 12, byrow = T))
    names(dat) <- Names
    dat <- data.frame(Time = Sys.time(), dat[, -ncol(dat)], usr = NA, app = NA)
    dat$CPU <-as.numeric(as.character(dat$CPU))
    dat$MEM <-as.numeric(as.character(dat$MEM))
    # Check if connection number changed;
    for (i in 1:length(dat$PID)) {
      PID <- dat$PID[i]
      system(paste("sudo netstat -p | grep", PID, "> netstat.log"))
      system(paste("sudo netstat -p | grep", PID, ">> netstat.log2"))
      system(paste("sudo lsof -p", PID, "| grep /srv > lsof.log"))
      netstat <- readLines("netstat.log")
      lsof <- readLines("lsof.log")
      dat$usr[i] <- length(grep("ESTABLISHED", netstat) & grep("tcp", netstat))
      dat$app[i] <- regmatches(lsof, regexec("srv/(.*)", lsof))[[1]][2]
    }
    dat <- dat[, c("app", "usr")]
  } else {
    dat <- data.frame(app = "app", usr = 0)
  }
  write.table(dat, file = "CPU.txt")
}




参考文献:


1、中文教程:http://yanping.me/shiny-tutorial/

2、英文官网:http://shiny.rstudio.com/   

3、R powered web applications with Shiny :一些讲解,比较深入讲解每个模块内容

你可能感兴趣的:(R︱可视化)