R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记)

本文主要是介绍R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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:




——————————————————————————————

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/


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~



——————————————————————————————


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.Rlibrary(shiny)shinyUI(fluidPage())# server.Rlibrary(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 titleheaderPanel("Hello Shiny!"),# Sidebar with a slider input for number of observationssidebarPanel(sliderInput("obs", "Number of observations:", min = 0, max = 1000, value = 500)),# Show a plot of the generated distributionmainPanel(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。



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


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 *$", dat)Names <- strsplit(gsub("^ +|%|\\+", "", dat[7]), " +")[[1]]if (length(id) > 0) {# 'top' data frame;L <- strsplit(gsub("^ *", "", dat[id]), " +")dat <- data.frame(matrix(unlist(L), ncol = 12, byrow = T))names(dat) <- Namesdat <- data.frame(Time = Sys.time(), dat[, -ncol(dat)], usr = NA, app = NA)dat$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

这篇关于R︱shiny实现交互式界面布置与搭建(案例讲解+学习笔记)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:https://blog.csdn.net/sinat_26917383/article/details/53410370
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/171900

相关文章

c++ 类成员变量默认初始值的实现

《c++类成员变量默认初始值的实现》本文主要介绍了c++类成员变量默认初始值,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录C++类成员变量初始化c++类的变量的初始化在C++中,如果使用类成员变量时未给定其初始值,那么它将被

Qt使用QSqlDatabase连接MySQL实现增删改查功能

《Qt使用QSqlDatabase连接MySQL实现增删改查功能》这篇文章主要为大家详细介绍了Qt如何使用QSqlDatabase连接MySQL实现增删改查功能,文中的示例代码讲解详细,感兴趣的小伙伴... 目录一、创建数据表二、连接mysql数据库三、封装成一个完整的轻量级 ORM 风格类3.1 表结构

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

golang版本升级如何实现

《golang版本升级如何实现》:本文主要介绍golang版本升级如何实现问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录golanwww.chinasem.cng版本升级linux上golang版本升级删除golang旧版本安装golang最新版本总结gola

PostgreSQL的扩展dict_int应用案例解析

《PostgreSQL的扩展dict_int应用案例解析》dict_int扩展为PostgreSQL提供了专业的整数文本处理能力,特别适合需要精确处理数字内容的搜索场景,本文给大家介绍PostgreS... 目录PostgreSQL的扩展dict_int一、扩展概述二、核心功能三、安装与启用四、字典配置方法