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!



http://www.chinasem.cn/article/171900

相关文章

Python中pywin32 常用窗口操作的实现

《Python中pywin32常用窗口操作的实现》本文主要介绍了Python中pywin32常用窗口操作的实现,pywin32主要的作用是供Python开发者快速调用WindowsAPI的一个... 目录获取窗口句柄获取最前端窗口句柄获取指定坐标处的窗口根据窗口的完整标题匹配获取句柄根据窗口的类别匹配获取句

在 Spring Boot 中实现异常处理最佳实践

《在SpringBoot中实现异常处理最佳实践》本文介绍如何在SpringBoot中实现异常处理,涵盖核心概念、实现方法、与先前查询的集成、性能分析、常见问题和最佳实践,感兴趣的朋友一起看看吧... 目录一、Spring Boot 异常处理的背景与核心概念1.1 为什么需要异常处理?1.2 Spring B

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,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... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1

如何在 Spring Boot 中实现 FreeMarker 模板

《如何在SpringBoot中实现FreeMarker模板》FreeMarker是一种功能强大、轻量级的模板引擎,用于在Java应用中生成动态文本输出(如HTML、XML、邮件内容等),本文... 目录什么是 FreeMarker 模板?在 Spring Boot 中实现 FreeMarker 模板1. 环

Qt实现网络数据解析的方法总结

《Qt实现网络数据解析的方法总结》在Qt中解析网络数据通常涉及接收原始字节流,并将其转换为有意义的应用层数据,这篇文章为大家介绍了详细步骤和示例,感兴趣的小伙伴可以了解下... 目录1. 网络数据接收2. 缓冲区管理(处理粘包/拆包)3. 常见数据格式解析3.1 jsON解析3.2 XML解析3.3 自定义

使用Python和Pyecharts创建交互式地图

《使用Python和Pyecharts创建交互式地图》在数据可视化领域,创建交互式地图是一种强大的方式,可以使受众能够以引人入胜且信息丰富的方式探索地理数据,下面我们看看如何使用Python和Pyec... 目录简介Pyecharts 简介创建上海地图代码说明运行结果总结简介在数据可视化领域,创建交互式地

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》:本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中,经常在html页面通过AJAX进行前后端数据的交互,SpringMVC的controll

Java Stream流使用案例深入详解

《JavaStream流使用案例深入详解》:本文主要介绍JavaStream流使用案例详解,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录前言1. Lambda1.1 语法1.2 没参数只有一条语句或者多条语句1.3 一个参数只有一条语句或者多

Spring Security自定义身份认证的实现方法

《SpringSecurity自定义身份认证的实现方法》:本文主要介绍SpringSecurity自定义身份认证的实现方法,下面对SpringSecurity的这三种自定义身份认证进行详细讲解,... 目录1.内存身份认证(1)创建配置类(2)验证内存身份认证2.JDBC身份认证(1)数据准备 (2)配置依

利用python实现对excel文件进行加密

《利用python实现对excel文件进行加密》由于文件内容的私密性,需要对Excel文件进行加密,保护文件以免给第三方看到,本文将以Python语言为例,和大家讲讲如何对Excel文件进行加密,感兴... 目录前言方法一:使用pywin32库(仅限Windows)方法二:使用msoffcrypto-too