R shiny教程-5:調(diào)用R程序和導(dǎo)入數(shù)據(jù)

Census app views

在Shiny App中需要加載數(shù)據(jù)末盔、R腳本和包筑舅。

# #數(shù)據(jù)

counties.rds 是美國(guó)每個(gè)州的人口數(shù)據(jù)集,收集在R 包 UScensus2010陨舱,也可以直接下載:here.

counties.rds數(shù)據(jù):

  • 每個(gè)州的名字
  • 每個(gè)州的總?cè)丝?/li>
  • 每個(gè)州居民中白人翠拣、黑人、西班牙裔或亞裔的百分比

如果當(dāng)前要?jiǎng)?chuàng)建一個(gè)census-app Shiny app

  • 在census-app下創(chuàng)建一個(gè)data文件夾游盲,放置數(shù)據(jù)

    App folder with data subfolder

數(shù)據(jù)導(dǎo)入:

counties <- readRDS("census-app/data/counties.rds")
head(counties)
             name total.pop white black hispanic asian
1 alabama,autauga     54571  77.2  19.3      2.4   0.9
2 alabama,baldwin    182265  83.5  10.9      4.4   0.7
3 alabama,barbour     27457  46.8  47.8      5.1   0.4
4    alabama,bibb     22915  75.0  22.9      1.8   0.1
5  alabama,blount     57322  88.9   2.5      8.1   0.2
6 alabama,bullock     10914  21.9  71.0      7.1   0.2

#helpers.R

helpers.R可以繪制一個(gè)人口分布地圖误墓,使用顏色展示人口的變化。

# Note: percent map is designed to work with the counties data set
# It may not work correctly with other data sets if their row order does 
# not exactly match the order in which the maps package plots counties
percent_map <- function(var, color, legend.title, min = 0, max = 100) {

  # generate vector of fill colors for map
  shades <- colorRampPalette(c("white", color))(100)
  
  # constrain gradient to percents that occur between min and max
  var <- pmax(var, min)
  var <- pmin(var, max)
  percents <- as.integer(cut(var, 100, 
    include.lowest = TRUE, ordered = TRUE))
  fills <- shades[percents]

  # plot choropleth map
  map("county", fill = TRUE, col = fills, 
    resolution = 0, lty = 0, projection = "polyconic", 
    myborder = 0, mar = c(0,0,0,0))
  
  # overlay state borders
  map("state", col = "white", fill = FALSE, add = TRUE,
    lty = 1, lwd = 1, projection = "polyconic", 
    myborder = 0, mar = c(0,0,0,0))
  
  # add a legend
  inc <- (max - min) / 4
  legend.text <- c(paste0(min, " % or less"),
    paste0(min + inc, " %"),
    paste0(min + 2 * inc, " %"),
    paste0(min + 3 * inc, " %"),
    paste0(max, " % or more"))
  
  legend("bottomleft", 
    legend = legend.text, 
    fill = shades[c(1, 25, 50, 75, 100)], 
    title = legend.title)
}

helpers.R下載:here

helpers.R中需要調(diào)用 mapsmapprojR 包益缎。

install.packages(c("maps", "mapproj"))

helpers.R中有一個(gè)percent_map函數(shù)谜慌,參數(shù)如下:

Argument Input
var a column vector from the counties.rds dataset
color any character string you see in the output of colors()
legend.title A character string to use as the title of the plot’s legend
max A parameter for controlling shade range (defaults to 100)
min A parameter for controlling shade range (defaults to 0)
library(maps)
library(mapproj)
source("census-app/helpers.R")
counties <- readRDS("census-app/data/counties.rds")
percent_map(counties$white, "darkgreen", "% White")
Percent white map

#加載文件和文件路徑

  • 在上面的代碼中,首先導(dǎo)入了需要的r包:
library(maps)
library(mapproj)

調(diào)用helpers.R

source("census-app/helpers.R")
  • 導(dǎo)入數(shù)據(jù):
counties <- readRDS("census-app/data/counties.rds")
percent_map(counties$white, "darkgreen", "% White")

注:在運(yùn)行server.R莺奔,默認(rèn)的工作路徑是server.R保存的位置欣范,所以上面運(yùn)行source("helpers.R")也可以

#執(zhí)行

第一次調(diào)用runApp時(shí),Shiny會(huì)運(yùn)行整個(gè)腳本令哟。


Run once

每當(dāng)新的用戶(hù)訪(fǎng)問(wèn)應(yīng)用程序,Shiny 就會(huì)運(yùn)行server一次恼琼,為每個(gè)用戶(hù)構(gòu)建一組不同的響應(yīng)對(duì)象。

Run once per user

當(dāng)用戶(hù)使用工具交互并更改值時(shí)屏富,Shiny將會(huì)重新運(yùn)行分配給每個(gè)反應(yīng)對(duì)象的R表達(dá)式晴竞,這些反應(yīng)對(duì)象依賴(lài)于值被改變的工具。如果用戶(hù)非澈莅耄活躍噩死,這些表達(dá)式可能會(huì)在一秒鐘內(nèi)多次重新運(yùn)行。

Run many times

程序運(yùn)行的額規(guī)律:

  • 當(dāng)啟動(dòng)應(yīng)用時(shí)神年,shinyApp函數(shù)會(huì)運(yùn)行一次
  • 每當(dāng)用戶(hù)訪(fǎng)問(wèn)應(yīng)用程序時(shí)已维,server就會(huì)運(yùn)行一次
  • render*函數(shù)內(nèi)的R表達(dá)式會(huì)運(yùn)行很多次。每當(dāng)用戶(hù)更改小部件的值時(shí)已日,Shiny就會(huì)運(yùn)行它們一次衣摩。

這些信息對(duì)構(gòu)建程序有很大的幫助:

  • 運(yùn)行R腳本、加載庫(kù)和讀取數(shù)據(jù)集在app.R中的位置應(yīng)該是在server外捂敌,Shiny將只運(yùn)行這段代碼一次艾扮。
  • 定義與用戶(hù)特定的對(duì)象在server中,應(yīng)該在render*外占婉。
  • render中代碼運(yùn)行次數(shù)最多泡嘴,shiny app每一次改變都會(huì)運(yùn)行一次。通常應(yīng)該避免在render函數(shù)中放置不需要的代碼逆济。這樣做會(huì)減慢整個(gè)應(yīng)用程序的速度酌予。

#census-app展示

# Load packages ----
library(shiny)
library(maps)
library(mapproj)

# Load data ----
counties <- readRDS("data/counties.rds")

# Source helper functions -----
source("helpers.R")

# User interface ----
ui <- fluidPage(
  titlePanel("censusVis"),
  
  sidebarLayout(
    sidebarPanel(
      helpText("Create demographic maps with 
               information from the 2010 US Census."),
      
      selectInput("var", 
                  label = "Choose a variable to display",
                  choices = c("Percent White", "Percent Black",
                              "Percent Hispanic", "Percent Asian"),
                  selected = "Percent White"),
      
      sliderInput("range", 
                  label = "Range of interest:",
                  min = 0, max = 100, value = c(0, 100))
      ),
    
    mainPanel(plotOutput("map"))
  )
  )

# Server logic ----
server <- function(input, output) {
  output$map <- renderPlot({
    data <- switch(input$var, 
                   "Percent White" = counties$white,
                   "Percent Black" = counties$black,
                   "Percent Hispanic" = counties$hispanic,
                   "Percent Asian" = counties$asian)
    
    color <- switch(input$var, 
                    "Percent White" = "darkgreen",
                    "Percent Black" = "black",
                    "Percent Hispanic" = "darkorange",
                    "Percent Asian" = "darkviolet")
    
    legend <- switch(input$var, 
                     "Percent White" = "% White",
                     "Percent Black" = "% Black",
                     "Percent Hispanic" = "% Hispanic",
                     "Percent Asian" = "% Asian")
    
    percent_map(data, color, legend, input$range[1], input$range[2])
  })
}

# Run app ----
shinyApp(ui, server)
Census app

#總結(jié):

  • 放置app.R的位置將會(huì)是Shiny app的工作目錄
  • server前的代碼只會(huì)在Shiny 中運(yùn)行一次
  • server中的代碼會(huì)多次運(yùn)行磺箕,代碼太多會(huì)使程序運(yùn)行速度減慢

系列文章:
R shiny教程-1:一個(gè) Shiny app的基本組成部分
R shiny教程-2:布局用戶(hù)界面
R shiny教程-3:添加小部件到Shiny App
R shiny教程-4:Shiny app響應(yīng)式結(jié)果展示
Shiny Server安裝

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市抛虫,隨后出現(xiàn)的幾起案子松靡,更是在濱河造成了極大的恐慌,老刑警劉巖建椰,帶你破解...
    沈念sama閱讀 218,284評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件雕欺,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡棉姐,警方通過(guò)查閱死者的電腦和手機(jī)屠列,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,115評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)伞矩,“玉大人笛洛,你說(shuō)我怎么就攤上這事∧死ぃ” “怎么了苛让?”我有些...
    開(kāi)封第一講書(shū)人閱讀 164,614評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀(guān)的道長(zhǎng)湿诊。 經(jīng)常有香客問(wèn)我蝌诡,道長(zhǎng),這世上最難降的妖魔是什么枫吧? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,671評(píng)論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮宇色,結(jié)果婚禮上九杂,老公的妹妹穿的比我還像新娘。我一直安慰自己宣蠕,他們只是感情好例隆,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,699評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著抢蚀,像睡著了一般镀层。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上皿曲,一...
    開(kāi)封第一講書(shū)人閱讀 51,562評(píng)論 1 305
  • 那天唱逢,我揣著相機(jī)與錄音,去河邊找鬼屋休。 笑死坞古,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的劫樟。 我是一名探鬼主播痪枫,決...
    沈念sama閱讀 40,309評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼织堂,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了奶陈?” 一聲冷哼從身側(cè)響起易阳,我...
    開(kāi)封第一講書(shū)人閱讀 39,223評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎吃粒,沒(méi)想到半個(gè)月后潦俺,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,668評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡声搁,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,859評(píng)論 3 336
  • 正文 我和宋清朗相戀三年黑竞,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片疏旨。...
    茶點(diǎn)故事閱讀 39,981評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡很魂,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出檐涝,到底是詐尸還是另有隱情遏匆,我是刑警寧澤,帶...
    沈念sama閱讀 35,705評(píng)論 5 347
  • 正文 年R本政府宣布谁榜,位于F島的核電站幅聘,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏窃植。R本人自食惡果不足惜帝蒿,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,310評(píng)論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望巷怜。 院中可真熱鬧葛超,春花似錦、人聲如沸延塑。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,904評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)关带。三九已至侥涵,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間宋雏,已是汗流浹背芜飘。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,023評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工敬鬓, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留驻售,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,146評(píng)論 3 370
  • 正文 我出身青樓鸥咖,卻偏偏與公主長(zhǎng)得像舍败,于是被迫代替她去往敵國(guó)和親招狸。 傳聞我的和親對(duì)象是個(gè)殘疾皇子敬拓,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,933評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容