组织更大的应用程序的最佳实践是什么

但是,在shiny 的环境中,我可以采用哪些独特的技巧和技巧来让shiny 的代码看起来更好(更可读)?

  • 利用面向对象编程技术
  • server.R中,哪些零件应该采购?
  • 包含markdown 文档、图片、,

例如,如果我在每tabPanel个元素中使用navbarPagetabsetPanel,那么在添加了几个UI元素之后,我的代码开始看起来非常混乱.

示例代码:

server <- function(input, output) {

 #Here functions and outputs..

}

ui <- shinyUI(navbarPage("My Application",
  tabPanel("Component 1",
             sidebarLayout(
                sidebarPanel(
                    # UI elements..
                ),
                mainPanel(
                    tabsetPanel(
                        tabPanel("Plot", plotOutput("plot")
                                 # More UI elements..
                                 ), 
                        tabPanel("Summary", verbatimTextOutput("summary")
                                 # And some more...
                                 ), 
                        tabPanel("Table", tableOutput("table")
                                 # And...
                                 )
                    )
                )
    )           
  ),
  tabPanel("Component 2"),
  tabPanel("Component 3")
))

shinyApp(ui = ui, server = server)

对于组织ui.R个代码,我从GitHub找到了非常好的解决方案:radiant code

server <- function(input, output) {

  # This part can be in different source file for example component1.R
  ###################################
  output$component1 <- renderUI({
        sidebarLayout(
                sidebarPanel(
                ),
                mainPanel(
                    tabsetPanel(
                        tabPanel("Plot", plotOutput("plot")), 
                        tabPanel("Summary", verbatimTextOutput("summary")), 
                        tabPanel("Table", tableOutput("table"))
                    )
                )
    )
  })
 #####################################  

}
ui <- shinyUI(navbarPage("My Application",
  tabPanel("Component 1", uiOutput("component1")),
  tabPanel("Component 2"),
  tabPanel("Component 3")
))

shinyApp(ui = ui, server = server)

推荐答案

添加modules至R后发亮.在shiny 的应用程序中管理复杂的结构变得容易多了.

发光模块的详细说明:Here

使用模块的优点:

  • 一旦创建,它们很容易重用
  • ID冲突更容易避免
  • 基于模块输入和输出的代码组织

在基于标签的shiny 应用程序中,一个标签可以被视为一个模块,其中有inputsoutputs.然后,选项卡的输出可以作为输入传递给其他选项卡.

基于标签结构的单文件应用程序,利用模块化思维.应用程序可以使用cars个数据集进行测试.从Joe Cheng(第一个链接)复制的部分代码.欢迎大家发表意见.

# Tab module
# This module creates new tab which renders dataTable

dataTabUI <- function(id, input, output) {
  # Create a namespace function using the provided id
  ns <- NS(id)

  tagList(sidebarLayout(sidebarPanel(input),

                        mainPanel(dataTableOutput(output))))

}

# Tab module
# This module creates new tab which renders plot
plotTabUI <- function(id, input, output) {
  # Create a namespace function using the provided id
  ns <- NS(id)

  tagList(sidebarLayout(sidebarPanel(input),

                        mainPanel(plotOutput(output))))

}

dataTab <- function(input, output, session) {
  # do nothing...
  # Should there be some logic?


}

# File input module
# This module takes as input csv file and outputs dataframe
# Module UI function
csvFileInput <- function(id, label = "CSV file") {
  # Create a namespace function using the provided id
  ns <- NS(id)

  tagList(
    fileInput(ns("file"), label),
    checkboxInput(ns("heading"), "Has heading"),
    selectInput(
      ns("quote"),
      "Quote",
      c(
        "None" = "",
        "Double quote" = "\"",
        "Single quote" = "'"
      )
    )
  )
}

# Module server function
csvFile <- function(input, output, session, stringsAsFactors) {
  # The selected file, if any
  userFile <- reactive({
    # If no file is selected, don't do anything
    validate(need(input$file, message = FALSE))
    input$file
  })

  # The user's data, parsed into a data frame
  dataframe <- reactive({
    read.csv(
      userFile()$datapath,
      header = input$heading,
      quote = input$quote,
      stringsAsFactors = stringsAsFactors
    )
  })

  # We can run observers in here if we want to
  observe({
    msg <- sprintf("File %s was uploaded", userFile()$name)
    cat(msg, "\n")
  })

  # Return the reactive that yields the data frame
  return(dataframe)
}
basicPlotUI <- function(id) {
  ns <- NS(id)
  uiOutput(ns("controls"))

}
# Functionality for dataselection for plot
# SelectInput is rendered dynamically based on data

basicPlot <- function(input, output, session, data) {
  output$controls <- renderUI({
    ns <- session$ns
    selectInput(ns("col"), "Columns", names(data), multiple = TRUE)
  })
  return(reactive({
    validate(need(input$col, FALSE))
    data[, input$col]
  }))
}

##################################################################################
# Here starts main program. Lines above can be sourced: source("path-to-module.R")
##################################################################################

library(shiny)


ui <- shinyUI(navbarPage(
  "My Application",
  tabPanel("File upload", dataTabUI(
    "tab1",
    csvFileInput("datafile", "User data (.csv format)"),
    "table"
  )),
  tabPanel("Plot", plotTabUI(
    "tab2", basicPlotUI("plot1"), "plotOutput"
  ))

))


server <- function(input, output, session) {
  datafile <- callModule(csvFile, "datafile",
                         stringsAsFactors = FALSE)

  output$table <- renderDataTable({
    datafile()
  })

  plotData <- callModule(basicPlot, "plot1", datafile())

  output$plotOutput <- renderPlot({
    plot(plotData())
  })
}


shinyApp(ui, server)

R相关问答推荐

如何根据 R 中的日期条件将数据框拆分为新的数据框

如果在订单中匹配代码之前删除行

如果行中至少有一个 Na,则使行 Na

如何根据先前的正方形递归创建正方形?

在数据框中求和,条件来自另一列

反复计算

用逗号分隔的引号连接字符串

tidyverse:数据转换,gather()

如何将数字序列添加到每组data.frame?

使用矩阵图(matplot)作为 map ,位置作为位置

如何在ggplot中将连续的x轴更改为离散的x轴?

在彩色和灰度下工作的调色板?

expss表输出的rbinding表错误

使用 mutate_at 和 contains 将函数应用于多列

空格后删除

在指定时间后无法收敛时停止 Keras

使用 Tidyverse 将数据从一列转换为多列

如何从具有数据的其他行推断 R 数据框中的缺失值?

如果R中的所有值都是NA,如何选择具有最大值的行

分配括号内的变量