Introduction

Shiny 是一個 R 包，可輕松地直接從 R 構建交互式 Web 應用程序。還可以在網頁上托管獨立應用程序或將它們嵌入 R Markdown 文檔或構建儀表板，還可以使用 CSS 主題、html 小部件和 JavaScript 操作擴展您的 Shiny 應用程序。

#first app
library(shiny)
ui <- fluidPage(
  "Hello, world!"
)
server <- function(input, output, session) {
}
shinyApp(ui, server)

整個app可分為兩個部分，ui與sever，可以認為是前端與后端的關系，Rshiny提供了很多內置的小組件幫我們將前后端聯(lián)系起來，非常方便好用。只需要有一點點的HTML/CSS/Javascript的知識就可以設計出更好看的界面和更多有趣的交互。

這里是shiny的記憶手冊,濃縮了大部分的操作。

Methods

UI設計

Layout

最基礎的布局就是sidebarLayout,可以分成sidebarPanel,mainPanel兩個部分。

ui <- fluidPage(
  titlePanel("title panel"),

  sidebarLayout(
    sidebarPanel("sidebar panel"),
    mainPanel("main panel")
  )
)

可以通過將內容放在 *Panel 函數中來向Shiny 應用程序添加內容，shiny提供了R代碼方便插入HTML (Table <a href="#tab:html">1</a>)，更多標簽可以查看tag-glossary。

Control widgets

這些是常用shiny內置的小控件，提供一種向 Shiny serve發(fā)送消息的方式。

可以想想怎么獲取更多控件，比如一個color panel等等。

更多：

使用 textInput() 收集少量文本，使用 passwordInput()3 收集密碼，使用 textAreaInput() 收集文本段落。

要收集數值，請使用 numericInput() 創(chuàng)建一個受約束的文本框或使用 sliderInput() 創(chuàng)建一個滑塊。如果您為 sliderInput() 的默認值提供一個長度為 2 的數值向量，您將得到一個具有兩端的“范圍”滑塊。

使用 dateInput() 收集一天或使用 dateRangeInput() 收集兩天的范圍。這些提供了一個方便的日歷選擇器，并且諸如 datesdisabled 和 daysofweekdisabled 之類的附加參數允許您限制有效輸入的集合。

有兩種不同的方法允許用戶從一組預先指定的選項中進行選擇：selectInput()(還可以設置 multiple = TRUE 以允許用戶選擇多個元素)和 radioButtons(); 可以使用checkboxGroupInput()形成多選。

ui <- fluidPage(
  textInput("name", "What's your name?"),
  passwordInput("password", "What's your password?"),
  textAreaInput("story", "Tell me about yourself", rows = 3)
)

ui <- fluidPage(
  numericInput("num", "Number one", value = 0, min = 0, max = 100),
  sliderInput("num2", "Number two", value = 50, min = 0, max = 100),
  sliderInput("rng", "Range", value = c(10, 20), min = 0, max = 100)
)

ui <- fluidPage(
  dateInput("dob", "When were you born?"),
  dateRangeInput("holiday", "When do you want to go on vacation next?")
)

animals <- c("dog", "cat", "mouse", "bird", "other", "I hate animals")
ui <- fluidPage(
  selectInput("state", "What's your favourite state?", state.name),
  radioButtons("animal", "What's your favourite animal?", animals),
  checkboxGroupInput("animal", "What animals do you like?", animals)
)

讓用戶使用 actionButton() 或 actionLink() 執(zhí)行操作，可以使用“btn-primary”、“btn-success”、“btn-info”、“btn-warning”或“btn-danger”之一使用類參數自定義外觀，使用“btn-lg”、“btn-sm”、“btn-xs”更改大小，可以使用“btn-block”使按鈕跨越它們嵌入的元素的整個寬度。

ui <- fluidPage(
  fluidRow(
    actionButton("click", "Click me!", class = "btn-danger"),
    actionButton("drink", "Drink me!", class = "btn-lg btn-success")
  ),
  fluidRow(
    actionButton("eat", "Eat me!", class = "btn-block")
  )
)

連接sever

general

1. 添加輸出對象在ui中

Shiny 提供了一系列函數，可以將 R 對象轉換為用戶界面的輸出。每個函數創(chuàng)建特定類型的輸出。

2. 編寫構建R對象的代碼在serve中

   
   

3. 使用input，output連接

以下代碼就可以將selectInput選擇的值var通過input$var的形式傳遞到renderText()，再render成output$selected_var的形式，最后通過textOutput()輸出到ui界面。

library(shiny)

ui <- fluidPage(
  titlePanel("censusVis"),
  
  sidebarLayout(
    sidebarPanel(
      
      selectInput("var", 
                  label = "Choose a variable to display",
                  choices = c("Percent White", 
                              "Percent Black",
                              "Percent Hispanic", 
                              "Percent Asian"),
                  selected = "Percent White")
    ),
    
    mainPanel(
      textOutput("selected_var")
    )
  )
)

server <- function(input, output) {
  output$selected_var <- renderText({ 
    paste("You have selected", input$var)
  })
}

shinyApp(ui, server)

更多：

使用 textOutput() 輸出常規(guī)文本，使用 verbatimTextOutput() 輸出固定代碼和控制臺輸出。
renderText() 將結果組合成一個字符串，通常與 textOutput() 配對
renderPrint() 打印結果，就像您在 R 控制臺中一樣，并且通常與 verbatimTextOutput() 配對。

tableOutput() 和 renderTable() 呈現(xiàn)靜態(tài)數據表，同時顯示所有數據。
dataTableOutput() 和 renderDataTable() 呈現(xiàn)一個動態(tài)表，顯示固定數量的行以及用于更改哪些行可見的控件。
tableOutput() 對于小型、固定的摘要（例如模型系數）最有用；如果您想向用戶公開完整的數據框，則 dataTableOutput() 是最合適的。

默認情況下，plotOutput() 將占據其容器的整個寬度（稍后會詳細介紹），并且高度為 400 像素。您可以使用高度和寬度參數覆蓋這些默認值。我們建議始終設置 res = 96，因為這將使您的 Shiny 圖與您在 RStudio 中看到的盡可能接近。

reactive expressions

This difference between commands and recipes is one of the key differences between two important styles of programming:

In imperative programming, you issue a specific command and it’s carried out immediately. This is the style of programming you’re used to in your analysis scripts: you command R to load your data, transform it, visualise it, and save the results to disk.

In declarative programming, you express higher-level goals or describe important constraints, and rely on someone else to decide how and/or when to translate that into action. This is the style of programming you use in Shiny.

Shiny 中聲明式編程的優(yōu)勢之一是它允許應用程序非常懶惰。 Shiny 應用程序只會執(zhí)行更新您當前可以看到的輸出控件所需的最少工作量，優(yōu)點是快速，缺點是如果你不運行所有代碼，可能不會發(fā)現(xiàn)錯誤。

反應式表達式比常規(guī) R 函數更聰明。它們緩存值并知道它們的值何時會變。第一次運行反應式表達式時，表達式會將其結果保存在計算機的內存中。下次調用反應式表達式時，它可以返回保存的結果而不進行任何計算（這將使您的應用程序更快）。

如果反應式表達式知道結果是最新的，它只會返回保存的結果。如果反應式表達式得知結果已過時（因為小部件已更改），則表達式將重新計算結果。然后它返回新結果并保存一個新副本。反應式表達式將使用這個新副本，直到它也變得過時為止。
讓我們總結一下這種行為：

1. 反應式表達式會在您第一次運行時保存其結果。

2. 下次調用反應式表達式時，它會檢查保存的值是否已過時（即，它所依賴的小部件是否已更改）。

3. 如果該值已過期，反應對象將重新計算它（然后保存新結果）。

4. 如果該值是最新的，反應式表達式將返回保存的值而不進行任何計算。

建議把文件導入等不需要每次更新的代碼放在reactive里。

在 Shiny 中，應該考慮一個規(guī)則：每當復制和粘貼一次東西時，就應該考慮將重復的代碼提取到一個反應表達式中，因為反應式表達式不僅讓人類更容易理解代碼，它們還提高了 Shiny 高效重新運行代碼的能力。

考慮以下代碼，reactive()確保只有在改變n或lambda時才會重新計算：

library(ggplot2)

freqpoly <- function(x1, x2, binwidth = 0.1, xlim = c(-3, 3)) {
    df <- data.frame(
        x = c(x1, x2),
        g = c(rep("x1", length(x1)), rep("x2", length(x2)))
    )
    
    ggplot(df, aes(x, colour = g)) +
        geom_freqpoly(binwidth = binwidth, size = 1) +
        coord_cartesian(xlim = xlim)
}

ui <- fluidPage(
    fluidRow(
        column(3, 
               numericInput("lambda1", label = "lambda1", value = 3),
               numericInput("lambda2", label = "lambda2", value = 5),
               numericInput("n", label = "n", value = 1e4, min = 0)
        ),
        column(9, plotOutput("hist"))
    )
)
server <- function(input, output, session) {
    x1 <- reactive(rpois(input$n, input$lambda1))
    x2 <- reactive(rpois(input$n, input$lambda2))
    output$hist <- renderPlot({
        freqpoly(x1(), x2(), binwidth = 1, xlim = c(0, 40))
    }, res = 96)
}

shinyApp(ui,server)

控制reactive行為：

1. 計時器
   reactiveTimer() 是一個響應式表達式，它依賴于隱藏的輸入：當前時間。
   將server里的reactive修改成下列形式可以讓圖形每500ms刷新一次。

server <- function(input, output, session) {
  timer <- reactiveTimer(500)
  
  x1 <- reactive({
    timer()
    rpois(input$n, input$lambda1)
  })
  x2 <- reactive({
    timer()
    rpois(input$n, input$lambda2)
  })
  
  output$hist <- renderPlot({
    freqpoly(x1(), x2(), binwidth = 1, xlim = c(0, 40))
  }, res = 96)
}

2. 點擊刷新
   當你的serve運行一次需要龐大計算和時間時，可能希望要求用戶通過單擊按鈕來選擇執(zhí)行昂貴的計算。這是 actionButton() 的一個很好的用例：

并且我們需要 eventReactive()，它有兩個參數：第一個參數指定依賴什么，第二個參數指定計算什么。

修改ui和serve，添加了按鍵，用戶點擊按鍵即可出現(xiàn)新的模擬結果。

ui <- fluidPage(
  fluidRow(
    column(3, 
      numericInput("lambda1", label = "lambda1", value = 3),
      numericInput("lambda2", label = "lambda2", value = 5),
      numericInput("n", label = "n", value = 1e4, min = 0),
      actionButton("simulate", "Simulate!")
    ),
    column(9, plotOutput("hist"))
  )
)
server <- function(input, output, session) {
  x1 <- eventReactive(input$simulate, {
    rpois(input$n, input$lambda1)
  })
  x2 <- eventReactive(input$simulate, {
    rpois(input$n, input$lambda2)
  })

  output$hist <- renderPlot({
    freqpoly(x1(), x2(), binwidth = 1, xlim = c(0, 40))
  }, res = 96)
}

observeEvent() 與 eventReactive() 非常相似。它有兩個重要的參數：eventExpr 和 handlerExpr。第一個參數是要依賴的輸入或表達式；第二個參數是將要運行的代碼。例如，對 server() 的以下修改意味著每次更新該名稱時，都會向控制臺發(fā)送一條消息：

ui <- fluidPage(
  textInput("name", "What's your name?"),
  textOutput("greeting")
)

server <- function(input, output, session) {
  string <- reactive(paste0("Hello ", input$name, "!"))
  
  output$greeting <- renderText(string())
  observeEvent(input$name, {
    message("Greeting performed")
  })
}

file up/download

使用fileInput在ui中上傳文件后，得到的input是一個列表，其中的datapath是文件上傳后的路徑，需要使用read.csv等函數讀取file$datapath。

ui <- fluidPage(
    sidebarLayout(
        sidebarPanel(
            fileInput("file1", "Choose CSV File", accept = ".csv"),
            checkboxInput("header", "Header", TRUE)
        ),
        mainPanel(
            tableOutput("contents")
        )
    )
)

server <- function(input, output) {
    output$contents <- renderTable({
        file <- input$file1
        ext <- tools::file_ext(file$datapath)
        
        req(file)
        validate(need(ext == "csv", "Please upload a csv file"))
        
        read.csv(file$datapath, header = input$header)
    })
}

shinyApp(ui, server)

您可以讓用戶使用 downloadButton() 或 downloadLink() 下載文件。這些都需要服務器功能中的新技術，因此我們將在第 9 章中回過頭來討論。

Share

文件形式

任何擁有 R 的人都可以運行Shiny 應用程序，分享你的app.R 文件副本，以及您的應用程序中使用的任何補充材料（例如，www 文件夾或 helpers.R 文件）即可，最好寫上代碼運行的依賴包安裝代碼。

• runUrl() will download and launch a Shiny app straight from a weblink.
• runGitHub( "<your repository name>", "<your user name>")

網頁形式

上述方法要求用戶在他們的計算機上安裝 R 和 Shiny。但如果我們自己搭建好了服務器，也可以直接用瀏覽器使用我們的APP。

1. Shinyapps.io

將 Shiny 應用程序轉換為網頁的最簡單方法是使用 shinyapps.io，這是 RStudio 為 Shiny 應用程序提供的托管服務。

2. Shiny Server

3. RStudio Connect

Reference

官方教程：Shiny Learning Resources

參考書：Mastering Shiny