Shiny从入门到入定——12-Tidy evaluation
发表于：2024-04-27 | 分类： IT
字数统计: 4.2k | 阅读时长: 17分钟 | 阅读量：

整洁评估

如果你在使用Shiny与tidyverse，那么你几乎肯定会遇到整洁评估编程的挑战。整洁评估在tidyverse中被广泛使用，使交互式数据探索更加流畅，但它也有代价：很难间接引用变量，因此编程起来也更加困难。

在本章中，你将学习如何在Shiny应用程序中包装ggplot2和dplyr函数。（如果你不使用tidyverse，那么可以跳过这一章😄。）将ggplot2和dplyr函数包装在函数和包中的技术略有不同，并且在其他资源如“在包中使用ggplot2”或“使用dplyr编程”中有所涵盖。

1
2
3
library(shiny)
library(dplyr, warn.conflicts = FALSE)
library(ggplot2)

12.1 动机

假设我想创建一个应用程序，允许你过滤一个数值变量，以选择大于某个阈值的行。你可能会写出类似这样的代码：

1
2
3
4
5
6
7
8
9
10
num_vars <- c("carat", "depth", "table", "price", "x", "y", "z")
ui <- fluidPage(
  selectInput("var", "Variable", choices = num_vars),
  numericInput("min", "Minimum", value = 1),
  tableOutput("output")
)
server <- function(input, output, session) {
  data <- reactive(diamonds %>% filter(input$var > input$min))
  output$output <- renderTable(head(data()))
}

图12.1 一个应用程序试图选择用户选定变量中大于阈值的行

从图12.1中你可以看到，该应用程序可以无错误地运行，但它并没有返回正确的结果——所有的行中，钻石的净重（carat）值都小于1。本章的目标是帮助你理解为什么这不起作用，以及为什么dplyr认为你请求的是filter(diamonds, "carat" > 1)。

这是一个间接引用的问题：通常在使用tidyverse函数时，你会直接在函数调用中输入变量的名称。但现在你想要间接引用它：变量（carat）存储在另一个变量（input$var）中。

这句话可能对你来说很直观，但有点令人困惑，因为我在这里用“变量”来指代两种略有不同的事物。如果我们引入两个新术语来消除这两种用法之间的歧义，那么理解正在发生的事情会更容易：

  • 环境变量（env-variable）是一个“编程”变量，你用<-来创建。input$var是一个环境变量。

  • 数据变量（data-variable）是存储在数据框中的“统计”变量。carat是一个数据变量。

有了这些新术语，我们可以更清楚地阐述间接引用的问题：我们有一个数据变量（carat）存储在一个环境变量（input$var）中，我们需要一种方法来告诉dplyr这一点。根据你所使用的函数是“数据掩蔽”函数还是“整洁选择”函数，实现这一点的方法略有不同。

12.2 数据掩蔽

数据掩蔽函数允许你在“当前”数据框中使用变量，而无需任何额外的语法。它在许多dplyr函数（如arrange()、filter()、group_by()、mutate()和summarise()）以及ggplot2的aes()中使用。数据掩蔽很有用，因为它允许你使用数据变量，而无需任何额外的语法。

12.2.1 开始

让我们从调用filter()函数开始，它使用了一个数据变量（carat）和一个环境变量（min）：

1
2
3
4
5
6
7
8
9
10
11
12
min <- 1
diamonds %>% filter(carat > min)
#> # A tibble: 17,502 × 10
#>   carat cut       color clarity depth table price     x     y     z
#>   <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
#> 1  1.17 Very Good J     I1       60.2    61  2774  6.83  6.9   4.13
#> 2  1.01 Premium   F     I1       61.8    60  2781  6.39  6.36  3.94
#> 3  1.01 Fair      E     I1       64.5    58  2788  6.29  6.21  4.03
#> 4  1.01 Premium   H     SI2      62.7    59  2788  6.31  6.22  3.93
#> 5  1.05 Very Good J     SI2      63.2    56  2789  6.49  6.45  4.09
#> 6  1.05 Fair      J     SI2      65.8    59  2789  6.41  6.27  4.18
#> # … with 17,496 more rows

与基础R的等效代码进行比较：

1
diamonds[diamonds$carat > min, ]

在大多数（但不是全部）基础R函数中，你需要使用$来引用数据变量。这意味着你经常需要多次重复数据框的名称，但这确实清楚地表明了什么是数据变量，什么是环境变量。这也使得间接引用变得直接明了，因为你可以将数据变量的名称存储在一个环境变量中，然后从$切换到[[：

1
2
var <- "carat"
diamonds[diamonds[[var]] > min, ]

我们如何使用整洁评估来达到相同的效果呢？我们需要一种方法将$重新加入进来。幸运的是，在数据掩蔽函数中，如果你想明确表示你是在谈论数据变量还是环境变量，你可以使用.data或.env：

1
diamonds %>% filter(.data$carat > .env$min)

现在我们可以从$切换到[[：

1
diamonds %>% filter(.data[[var]] > .env$min)

让我们通过更新本章开始时使用的服务器函数来检查它是否有效：

1
2
3
4
5
6
7
8
9
10
num_vars <- c("carat", "depth", "table", "price", "x", "y", "z")
ui <- fluidPage(
  selectInput("var", "Variable", choices = num_vars),
  numericInput("min", "Minimum", value = 1),
  tableOutput("output")
)
server <- function(input, output, session) {
  data <- reactive(diamonds %>% filter(.data[[input$var]] > .env$input$min))
  output$output <- renderTable(head(data()))
}

图12.2 我们的应用现在运行良好，因为我们明确了.data和.env以及[[与$的区别。请访问https://hadley.shinyapps.io/ms-tidied-up查看实时效果

图12.2显示我们已经成功了——我们只看到克拉值大于1的钻石。现在你已经了解了基础知识，我们将开发几个更现实但仍然简单的Shiny应用。

12.2.2 示例：ggplot2

让我们将这个想法应用于动态绘图，允许用户通过选择要在x轴和y轴上显示的变量来创建散点图。结果如图12.3所示。

1
2
3
4
5
6
7
8
9
10
11
ui <- fluidPage(
  selectInput("x", "X variable", choices = names(iris)),
  selectInput("y", "Y variable", choices = names(iris)),
  plotOutput("plot")
)
server <- function(input, output, session) {
  output$plot <- renderPlot({
    ggplot(iris, aes(.data[[input$x]], .data[[input$y]])) +
      geom_point(position = ggforce::position_auto())
  }, res = 96)
}
图12.3 一个简单的应用程序，允许您选择要在x轴和y轴上绘制的变量。请访问https://hadley.shinyapps.io/ms-ggplot2查看实时效果

这里我使用了ggforce::position_auto()，这样无论x和y变量是连续的还是离散的，geom_point()都能很好地工作。或者，我们也可以让用户选择geom。下面的应用程序使用switch()语句生成一个反应性的geom，稍后会将其添加到图中。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
ui <- fluidPage(
  selectInput("x", "X variable", choices = names(iris)),
  selectInput("y", "Y variable", choices = names(iris)),
  selectInput("geom", "geom", c("point", "smooth", "jitter")),
  plotOutput("plot")
)
server <- function(input, output, session) {
  plot_geom <- reactive({
    switch(input$geom,
      point = geom_point(),
      smooth = geom_smooth(se = FALSE),
      jitter = geom_jitter()
    )
  })
  
  output$plot <- renderPlot({
    ggplot(iris, aes(.data[[input$x]], .data[[input$y]])) +
      plot_geom()
  }, res = 96)
}

这是使用用户选择的变量进行编程时面临的挑战之一：你的代码必须变得更加复杂，以处理用户可能生成的所有情况。

12.2.3 示例：dplyr

同样的技术也适用于dplyr。下面的应用程序扩展了前面简单的示例，允许您选择一个变量进行过滤，选择一个最小值进行选择，以及选择一个变量进行排序。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
ui <- fluidPage(
  selectInput("var", "Select variable", choices = names(mtcars)),
  sliderInput("min", "Minimum value", 0, min = 0, max = 100),
  selectInput("sort", "Sort by", choices = names(mtcars)),
  tableOutput("data")
)
server <- function(input, output, session) {
  observeEvent(input$var, {
    rng <- range(mtcars[[input$var]])
    updateSliderInput(
      session, "min", 
      value = rng[[1]], 
      min = rng[[1]], 
      max = rng[[2]]
    )
  })
  
  output$data <- renderTable({
    mtcars %>% 
      filter(.data[[input$var]] > input$min) %>% 
      arrange(.data[[input$sort]])
  })
}

图12.4 一个简单的应用程序，允许您选择一个变量作为阈值，并选择如何对结果进行排序。请访问https://hadley.shinyapps.io/ms-dplyr/查看实时效果

大多数其他问题都可以通过结合.data和您的现有编程技能来解决。例如，如果您想要条件性地以升序或降序进行排序，应该怎么做呢？

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ui <- fluidPage(
  selectInput("var", "Sort by", choices = names(mtcars)),
  checkboxInput("desc", "Descending order?"),
  tableOutput("data")
)
server <- function(input, output, session) {
  sorted <- reactive({
    if (input$desc) {
      arrange(mtcars, desc(.data[[input$var]]))
    } else {
      arrange(mtcars, .data[[input$var]])
    }
  })
  output$data <- renderTable(sorted())
}

随着你提供更多控制选项，你会发现代码变得越来越复杂，同时创建一个既全面又友好的用户界面也变得越来越难。这就是为什么我一直专注于数据分析的代码工具：创建好的用户界面真的非常难！

12.2.4 用户提供的数据

在继续讨论整洁选择之前，我们还需要讨论最后一个话题：用户提供的数据。以图12.5中显示的这个应用程序为例：它允许用户上传一个tsv文件，然后选择一个变量并根据该变量进行筛选。它适用于绝大多数你可能会尝试的输入。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
ui <- fluidPage(
  fileInput("data", "dataset", accept = ".tsv"),
  selectInput("var", "var", character()),
  numericInput("min", "min", 1, min = 0, step = 1),
  tableOutput("output")
)
server <- function(input, output, session) {
  data <- reactive({
    req(input$data)
    vroom::vroom(input$data$datapath)
  })
  observeEvent(data(), {
    updateSelectInput(session, "var", choices = names(data()))
  })
  observeEvent(input$var, {
    val <- data()[[input$var]]
    updateNumericInput(session, "min", value = min(val))
  })
  
  output$output <- renderTable({
    req(input$var)
    
    data() %>% 
      filter(.data[[input$var]] > input$min) %>% 
      arrange(.data[[input$var]]) %>% 
      head(10)
  })
}

图12.5 一个过滤用户提供的数据的应用程序，具有令人惊讶的故障模式。请访问https://hadley.shinyapps.io/ms-user-supplied/查看实时效果

这里使用filter()有一个微妙的问题。让我们把对filter()的调用提取出来，这样我们就可以在应用程序之外直接操作它：

1
2
3
4
5
6
df <- data.frame(x = 1, y = 2)
input <- list(var = "x", min = 0)

df %>% filter(.data[[input$var]] > input$min)
#>   x y
#> 1 1 2

如果你试验这段代码，你会发现它对于绝大多数数据框都能很好地工作。然而，有一个微妙的问题：如果数据框中包含一个名为input的变量，会发生什么？

1
2
3
4
5
6
df <- data.frame(x = 1, y = 2, input = 3)
df %>% filter(.data[[input$var]] > input$min)
#> Error in `filter()`:
#> ! Problem while computing `..1 = .data[["x"]] > input$min`.
#> Caused by error in `input$min`:
#> ! $ operator is invalid for atomic vectors

我们收到一条错误信息，因为filter()正在尝试计算df$input$min：

1
2
df$input$min
#> Error in df$input$min: $ operator is invalid for atomic vectors

这个问题是由于数据变量和环境变量的歧义造成的，并且在两者都可用时，数据掩蔽更倾向于使用数据变量。我们可以通过使用.env来告诉filter()只在环境变量中查找min来解决这个问题：

1
2
3
df %>% filter(.data[[input$var]] > .env$input$min)
#>   x y input
#> 1 1 2     3

请注意，这个问题只有在处理用户提供的数据时才需要考虑；在处理自己的数据时，你可以确保数据变量的名称不会与环境变量的名称冲突（如果不小心冲突了，你会立刻发现）。

12.2.5 为什么不使用基础R？

到这时，你可能会想，如果没有filter()函数，使用等效的基础R代码会不会更好？

1
2
3
df[df[[input$var]] > input$min, ]
#>   x y input
#> 1 1 2     3

这是一个完全合理的立场，只要你意识到filter()为你做的工作，以便你能生成等效的基础R代码。在这种情况下：

  • 如果df只包含一列，你需要使用drop = FALSE（否则你会得到一个向量而不是数据框）。

  • 你需要使用which()或类似函数来删除任何缺失值。

  • 你不能进行分组过滤（例如，df %>% group_by(g) %>% filter(n() == 1)）。

一般来说，如果你只是使用dplyr来处理非常简单的案例，你可能会发现使用不使用数据掩蔽的基础R函数更容易。然而，在我看来，tidyverse的一个优势在于它仔细考虑了边缘情况，以便函数能更一致地工作。我不想夸大这一点，但同时，很容易忘记特定基础R函数的怪癖，并编写出95%以上时间都能工作，但在另外5%的时间里会以不寻常的方式失败的代码。

12.3 整洁选择 Tidy-selection

除了数据掩蔽之外，整洁评估还有一个重要的部分：整洁选择。整洁选择提供了一种简洁的方式来通过位置、名称或类型选择列。它在dplyr::select()和dplyr::across()以及tidyr中的许多函数（如pivot_longer()、pivot_wider()、separate()、extract()和unite()）中使用。

12.3.1 间接引用

要间接引用变量，可以使用any_of()或all_of()：两者都期望一个包含数据变量名称的字符向量作为环境变量。唯一的区别是，如果你提供了一个在输入中不存在的变量名，all_of()会引发错误，而any_of()则会静默地忽略它。

例如，以下应用程序允许用户使用多选输入选择任意数量的变量，同时使用all_of()：

1
2
3
4
5
6
7
8
9
10
11
ui <- fluidPage(
  selectInput("vars", "Variables", names(mtcars), multiple = TRUE),
  tableOutput("data")
)

server <- function(input, output, session) {
  output$data <- renderTable({
    req(input$vars)
    mtcars %>% select(all_of(input$vars))
  })
}

12.3.2 整洁选择与数据掩蔽

当使用采用整洁选择的函数时，处理多个变量变得轻而易举：您只需将包含变量名的字符向量传递给any_of()或all_of()。如果我们也能在数据掩蔽函数中使用这种方法，那该有多好？这正是dplyr 1.0.0版本中添加的across()函数的设计理念。它允许您在数据掩蔽函数中使用整洁选择。

across()函数通常使用一个或两个参数。第一个参数用于选择变量，在group_by()或distinct()等函数中非常有用。例如，以下应用程序允许您选择任意数量的变量并计算它们的唯一值数量。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
ui <- fluidPage(
  selectInput("vars", "Variables", names(mtcars), multiple = TRUE),
  tableOutput("count")
)

server <- function(input, output, session) {
  output$count <- renderTable({
    req(input$vars)
    
    mtcars %>% 
      group_by(across(all_of(input$vars))) %>% 
      summarise(n = n(), .groups = "drop")
  })
}

图12.6 此应用程序允许您选择任意数量的变量，并计算它们的唯一组合数量。请访问https://hadley.shinyapps.io/ms-across实时查看

第二个参数是一个函数（或函数列表），应用于每个选定的列。这使得它非常适合mutate()和summarise()等函数，因为您通常想要以某种方式转换每个变量。例如，以下代码允许用户选择任意数量的分组变量，以及任意数量的变量，以计算它们的平均值进行汇总。

1
2
3
4
5
6
7
8
9
10
11
12
13
ui <- fluidPage(
  selectInput("vars_g", "Group by", names(mtcars), multiple = TRUE),
  selectInput("vars_s", "Summarise", names(mtcars), multiple = TRUE),
  tableOutput("data")
)

server <- function(input, output, session) {
  output$data <- renderTable({
    mtcars %>% 
      group_by(across(all_of(input$vars_g))) %>% 
      summarise(across(all_of(input$vars_s), mean), n = n())
  })
}

12.4 parse() + eval()

在我们继续之前，有必要对paste() + parse() + eval()组合进行简短的评论。如果你完全不了解这个组合，可以跳过这一节，但如果你已经使用过它，我想给你一个小小的警告。

这是一个诱人的方法，因为它只需要学习很少的新概念。但它也有一些主要的缺点：由于你正在将字符串拼接在一起，很容易意外地创建出无效的代码，或者可能被滥用以执行你不希望的操作的代码。如果这只是你自己使用的Shiny应用程序，这可能不是非常重要，但这并不是一个值得养成的好习惯——否则，很容易在你广泛分享的应用程序中意外地创建一个安全漏洞。我们将在第22章中再次提及这个观点。

（如果你发现这是解决问题的唯一方法，不必感到沮丧。但当你有了更多的思考空间时，我建议花些时间弄清楚如何在不进行字符串操作的情况下实现。这将有助于你成为一名更好的R程序员。）

12.5 总结

在本章中，你学习了如何创建Shiny应用程序，让用户选择将哪些变量输入到如dplyr::filter()和ggplot2::aes()这样的tidyverse函数中。这需要你理解一个你之前可能从未考虑过的关键区别：数据变量和环境变量的不同。这可能需要一些练习才能变得自然，但一旦你掌握了这些概念，你就能够解锁tidyverse的数据分析功能，并将其暴露给非R用户。

这是本书“Shiny实战”部分的最后一章。既然你已经拥有了制作一系列有用应用程序所需的工具，我将重点提高你对Shiny底层理论的理解。

加关注

生信之巅微信公众号 生信之巅小程序码

敬告：使用文中脚本请引用本文网址，请尊重本人的劳动成果，谢谢！Notice: When you use the scripts in this article, please cite the link of this webpage. Thank you!

编程 Shiny入门系列
上一篇:
Shiny从入门到入定——13-Why reactivity?
下一篇:
Shiny从入门到入定——11-书签

    • Copyright © 2018 - 2024 liaochenlanruo | Powered by Hexo | Theme Bamboo

    本站总访问量： 次 |

    鄂ICP备2021021941号 备案图标 鄂公网安备 42011102004725号