Shixiang Wang

>上士闻道
勤而行之

使用shinydashboard

王诗翔 · 2018-08-31

分类: r  
标签: r   shiny   shinydashboard  

除了shiny包,RStudio还开发了一个shinydashboard扩展包,它呈现数据的方式就是专门用于概览或检测数据。

接下来的例子意在说明创建一个简易的仪表板非常简单,这个仪表盘可以按每周和每月的时间刻度显示CRAN上下载量最多的最受欢迎的R扩展包。

数据源由cranlogs包提供,先下载安装下面的包:

install.packages(c("shinydashboard", "cranlogs"))

快速查看下CRAN下载数据的数据源:

library(cranlogs)
cran_top_downloads()
#>    rank         package  count       from         to
#> 1     1        magrittr 122229 2020-08-05 2020-08-05
#> 2     2          aws.s3  99287 2020-08-05 2020-08-05
#> 3     3 aws.ec2metadata  97312 2020-08-05 2020-08-05
#> 4     4       rsconnect  95478 2020-08-05 2020-08-05
#> 5     5        jsonlite  69713 2020-08-05 2020-08-05
#> 6     6           rlang  62995 2020-08-05 2020-08-05
#> 7     7              fs  55570 2020-08-05 2020-08-05
#> 8     8           vctrs  54230 2020-08-05 2020-08-05
#> 9     9         ggplot2  52680 2020-08-05 2020-08-05
#> 10   10        devtools  52519 2020-08-05 2020-08-05
cran_top_downloads("last-week")
#>    rank         package  count       from         to
#> 1     1        magrittr 823815 2020-07-30 2020-08-05
#> 2     2          aws.s3 689662 2020-07-30 2020-08-05
#> 3     3 aws.ec2metadata 680320 2020-07-30 2020-08-05
#> 4     4       rsconnect 666062 2020-07-30 2020-08-05
#> 5     5        jsonlite 432711 2020-07-30 2020-08-05
#> 6     6              fs 364093 2020-07-30 2020-08-05
#> 7     7           rlang 359995 2020-07-30 2020-08-05
#> 8     8        devtools 342753 2020-07-30 2020-08-05
#> 9     9         usethis 318444 2020-07-30 2020-08-05
#> 10   10         ggplot2 317848 2020-07-30 2020-08-05

为了充分利用shinydashboard包,最好提前浏览下https://rstudio.github.io/shinydashboard/structure.html

与创建shiny应用程序类似,我们从用户界面开始,使用dashboardPagedashboardSidebardashboardBody这3个函数。在仪表板中,我们想要展示扩展包的下载动态,以及每周和每月最受欢迎的扩展包。

我们把月度和周度的菜单放到侧栏中,这样用户可以选择需要查看的数据。在每个标签页,把绘图和表格放在一起。

library(shiny)
library(shinydashboard)
#> 
#> Attaching package: 'shinydashboard'
#> The following object is masked from 'package:graphics':
#> 
#>     box
library(formattable)
library(cranlogs)
ui = dashboardPage(
    dashboardHeader(title = "CRAN Downloads"),
    dashboardSidebar(sidebarMenu(
        menuItem("Last week",
                 tabName = "last_week", icon = icon("list")),
        menuItem("Last month",
                 tabName = "last_month", icon = icon("list"))
    )),
    dashboardBody(tabItems(
        tabItem(tabName = "last_week",
                fluidRow(tabBox(title = "Total downloads",
                                tabPanel("Total", formattableOutput("last_week_table"))), 
                         tabBox(title = "Top downloads", 
                                tabPanel("Top", formattableOutput("last_week_top_table"))))),
        tabItem(tabName = "last_month",
                fluidRow(tabBox(title = "Top downloads",
                                tabPanel("Total", plotOutput("last_month_barplot"))),
                         tabBox(title = "Top downloads",
                                tabPanel("Top", formattableOutput("last_month_top_table")))))
    ))
)

注意,plotOutput()是shiny包中的函数,而formattableOutput()函数则由formattable包提供。开发人员可以创建各种类型的HTML小工具,只要包恰当地定义了render*函数和Output函数来生成正确的HTML代码,我们就可以把小工具嵌入shiny应用程序。

接下来我们定义服务器逻辑。因为输出结果完全依赖于数据源,在调用函数formattable()plot()之前要先下载数据。

server = function(input, output){
    output$last_week_table = renderFormattable({
        data = cran_downloads(when = "last-week")
        formattable(data, list(count = color_bar("lightblue")))
    })
    output$last_week_top_table = renderFormattable({
        data = cran_top_downloads("last-week")
        formattable(data, list(count = color_bar("lightblue"),
                               package = formatter("span",
                                                   style = "font-family: monospace;")))
    })
    output$last_month_barplot = renderPlot({
        data = subset(cran_downloads(when = "last-month"), count > 0)
        with(data, barplot(count, names.arg = date),
             main = "Last month downloads")
    })
    output$last_month_top_table = renderFormattable({
        data = cran_top_downloads("last-month")
        formattable(data, list(count = color_bar("lightblue"),
                               package = formatter("span",
                                                   style = "font-family: monospace;")))
    })
}

如果数据持续更新,我们可以创建一个动态的仪表板,其中的表格和图表会定期更新。使用reactiveTimerreactive是实现该功能的关键。如果有需要请查看帮助文档。

现在我们可以运行应用程序了:

runApp(shinyApp(ui, server))