R----Shiny包介绍学习

为什么用Shiny

Shiny让数据分析师写完分析与可视化代码后，稍微再花几十分钟，就可以把分析代码工程化，将分析成果快速转化为交互式网页分享给别人。所以，如果你是一名使用R的数据分析师，选择Shiny是非常明智的，因为它不需要你有新的技能，且开发起来实在太快。它跟通常我们了解的其他框架不一样：其他框架一般都是前后端分离，后端提供json，前端根据json绘图绘表，需要若干个程序员协同开发完成。然而这种可视化的小工具往往是得不到研发资源的支持，只能本数据分析师一人操刀前后端全包。

#########################

＃一个时间序列数据可视化栗子

#########################

library(shiny)
library(shinyjs)
library(DT)
library(dplyr)
library(tidyr)
library(stringr)
library(ggplot2)
library(scales)
library(plotly)

run.sql <- function(sql, debug=FALSE) {
  if(debug==FALSE){ df <- XXXXX # 自行定义函数，根据数据存储位置，执行SQL语句 } else{ # 测试数据 group_id <- rep(1, nrow(economics)) dt <- paste(as.character(economics$date), "00:00:00") df <- cbind(group_id, dt, economics) } return(df) } ui <- fluidPage( useShinyjs(), titlePanel("时间序列数据可视化工具"), # 第一部分：SQL命令提交界面 div(id="download"， fluidRow( column(12, textOutput(outputId="download_info") ) ), fluidRow( column(12, HTML( paste('', <span class="hljs-string">"select * from xxxx limit 1000;", <span class="hljs-string">'') ) ) ), fluidRow( column(12, actionButton(inputId="refresh_button", label="加载数据", icon=icon("submit") ) ) ) ), shinyjs::hidden( div(id="table", # 第二部分：SQL命令执行结果显示 hr(), dataTableOutput(outputId="sql_tab"), # 第三部分：可视化规则设置 hr(), textOutput(outputId="tab_button_message"), sidebarLayout( div(id="table_tool", sidebarPanel( selectInput(inputId="group_fields", label="绘图分组字段", choices=NULL, selected=NULL, multiple=TRUE), selectInput(inputId="x_field", label="设置x轴字段，必须是日期时间", choices=NULL, selected=NULL, multiple=FALSE), selectInput(inputId="y_line_fields", label="设置y轴线图字段", choices=NULL, selected=NULL, multiple=TRUE), selectInput(inputId="y_point_fields", label="设置y轴点图字段", choices=NULL, selected=NULL, multiple=TRUE), selectInput(inputId="group_shape_field", label="设置点图形状字段", choices=NULL, selected=NULL, multiple=FALSE), actionButton(inputId="tab_button", label="显示分组表格", icon=icon("submit")), width=3 ) ), div(id="group_content", mainPanel(dataTableOutput(outputId="group_tab"), width=9 ) ) ) ) ), # 第四部分：可视化图形 shinyjs::hidden( div(id = "plot", hr(), plotlyOutput(outputId="case_viewer", height="600px") ) ) ) server <- function(input, output, session) { observe({ # 检查SQL输入框 if(is.null(input$sql_cmd) | input$sql_cmd == "") { shinyjs::disable("refresh_button") } else{ shinyjs::enable("refresh_button") } # 检查可视化规则设置 if (input$x_field == "" | (is.null(input$y_line_fields) & is.null(input$y_point_fields)) | is.null(input$group_fields)) { shinyjs::disable("tab_button") } else { shinyjs::enable("tab_button") } }) # 执行SQL命令获取数据 sql_data <- eventReactive(input$refresh_button, { cat(file=stderr(), "#### event log ####: refresh button clicked\n") shinyjs::disable("refresh_button") shinyjs::hide(id = "table", anim = TRUE) shinyjs::hide(id = "plot", anim = TRUE) res <- run.sql(input$sql_cmd, debug=TRUE) updateSelectInput(session, inputId="group_fields", choices=colnames(res)) updateSelectInput(session, inputId="x_field", choices=colnames(res)) updateSelectInput(session, inputId="y_line_fields", choices=colnames(res)) updateSelectInput(session, inputId="y_point_fields", choices=colnames(res)) updateSelectInput(session, inputId="group_shape_field", choices=c("无",colnames(res)), selected="无") shinyjs::enable("refresh_button") shinyjs::show(id = "table", anim = TRUE) shinyjs::hide(id = "group_content", anim = FALSE) return(res) }) # SQL命令执行状态 output$download_info <- renderText({ if(input$refresh_button == 0){ message <- "请敲入SQL select查询语句，点击按钮提交" } else{ message <- isolate({paste0("表格下载成功！总行数", nrow(sql_data()), "，总列数", ncol(sql_data()), "，更新时间是", as.character(lubridate::now(), format="%Y-%m-%d %H:%M:%S")) }) } message }) # 显示SQL执行结果 output$sql_tab <- DT::renderDataTable({ datatable(sql_data(), filter='top', selection='single') }) # 获取绘图分组结果 group_data <- eventReactive(input$tab_button, { cat(file=stderr(), "#### event log ####: tab button clicked\n") res <- sql_data() %>% select(one_of(input$group_fields)) %>% distinct() shinyjs::show(id="group_content", anim=TRUE) return(res) }) output$tab_button_message <- renderText({ if(input$tab_button == 0) { message <- "请在下方左侧设置数据可视化规则； 点击按钮后，下方右侧将以表格显示数据分组结果； 点击表格的一行，将在下方绘制该行所指分组数据的图形" } else { message <- isolate({paste0("绘图分组数", nrow(group_data()), "，更新时间是", as.character(lubridate::now(), format="%Y-%m-%d %H:%M:%S")) }) } message }) # 显示绘图分组结果 output$group_tab <- DT::renderDataTable({ datatable(group_data(), filter='top', selection='single') }) # 显示绘图 observeEvent(input$group_tab_rows_selected, { cat(file=stderr(), paste0("#### event log ####: group table row ", input$group_tab_rows_selected, " clicked\n")) output$case_viewer <- renderPlotly({ s <- input$group_tab_row_last_clicked cat(file=stderr(), "#### event log ####: table row", s, "clicked\n") p <- ggplot() filter_str <- isolate({str_c(group_data()[s, input$group_fields], collapse="_")}) # 使用_以配合unite方法 target_plot_data <- sql_data() %>% unite_("new_var", input$group_fields, remove=FALSE) %>% filter(new_var==filter_str) if(length(input$y_line_fields) > 0) { target_plot_data$dt <- lubridate::ymd_hms(target_plot_data[,input$x_field], tz="UTC-8") line_df <- target_plot_data %>% tidyr::gather(col_name, thresh, one_of(input$y_line_fields)) %>% dplyr::mutate(thresh=as.numeric(thresh)) p <- p + geom_line(data=line_df, aes(x=dt,y=thresh,color=col_name)) } if(length(input$y_point_fields) > 0) { target_plot_data$dt <- lubridate::ymd_hms(target_plot_data[,input$x_field], tz="UTC-8") point_df <- target_plot_data %>% tidyr::gather(col_name, thresh, one_of(input$y_point_fields)) %>% dplyr::mutate(thresh=as.numeric(thresh)) if(input$group_shape_field != "无") { point_df[, input$group_shape_field] <- as.factor(point_df[, input$group_shape_field]) p <- p + geom_point(data=point_df, aes_string(x="dt",y="thresh",color="col_name", shape=input$group_shape_field)) } else{ p <- p + geom_point(data=point_df, aes(x=dt,y=thresh,color=col_name)) } } p <- p ggplotly(p) }) shinyjs::show("plot", anim = TRUE) }) } shinyApp(ui=ui, server=server)

注：为了让用户明白工具的使用方法，代码采用shinyjs在适当的时机隐藏/显示对应的组件；在eventReactive事件驱动的计算中，需要保证至少一个依赖与该reactive的组件处于显示状态，否则无法触发计算，observeEvent不存在此问题。

转载自：R可视化：用Shiny实现类Excel数据透视图