AMcoder - javascript, python, java, html, php, sql

Էսթետիկորեն ցուցադրելով տվյալների երկար շրջանակներ՝ R փայլուն հավելվածի ենթահամակարգից

Ես ունեմ որոշ տվյալներ (design.df ստորև), որոնք ուզում եմ ուսումնասիրել R shiny հավելվածով.

set.seed(1)
library(dplyr)
samples <- paste0("s",1:5)
clusters <- paste0("c",1:10)
groups <- paste0("g",1:20)

design.df <- expand.grid(samples,clusters,groups) %>%
    dplyr::rename(sample=Var1,cluster=Var2,group=Var3) %>%
    dplyr::mutate(value=rnorm(nrow(.)))

Ես ուզում եմ թույլ տալ օգտվողին, որ կարողանա սյունակներից որևէ մեկով սահմանել design.df-ը (դուրս գալ value սյունակից): Այս օրինակում դրանք կլինեն sample, cluster և group, բայց իրականում սա հավելված է, որտեղ տարբեր օգտվողներ կբեռնեն data.frames տարբեր սյունակներով (թողեք value սյունակը, որը բոլորը կունենան):

Ես փորձում եմ 10.3.2 Դինամիկ զտման օրինակը հարմարեցնել իմ գործին, բայց ոչ բավականին այնտեղ:

Ահա իմ կոդը.

library(shiny)
library(dplyr)

make_ui <- function(x, var) {
  if (is.numeric(x)) {
    rng <- range(x, na.rm = TRUE)
    sliderInput(var, var, min = rng[1], max = rng[2], value = rng)
  } else if (is.factor(x)) {
    levs <- levels(x)
    selectInput(var, var, choices = levs, selected = levs, multiple = TRUE)
  } else {
    # Not supported
    NULL
  }
}

filter_var <- function(x, val) {
  if (is.numeric(x)) {
    !is.na(x) & x >= val[1] & x <= val[2]
  } else if (is.factor(x)) {
    x %in% val
  } else {
    # No control, so don't filter
    TRUE
  }
}

server <- function(input, output)
{
  data <- reactive({
    get(input$dataset, data.frame(dplyr::select(design.df,-value)))
  })
  
  vars <- reactive(names(data()))
  
  output$filter <- renderUI(
    purrr::map(vars, ~ make_ui(data()[[.x]], .x))
  )
  
  selected <- reactive({
    each_var <- purrr::map(vars, ~ filter_var(data()[[.x]], input[[.x]]))
    purrr::reduce(each_var, `&`)
  })
  
  scatter.plot <- reactive({
    scatter.plot <- NULL
    if(!is.null(data()[selected(),]){
      plot.df <- suppressWarnings(data()[selected(), ])
      scatter.plot <- suppressWarnings(plotly::plot_ly(marker=list(size=3),type='scatter',mode="markers",color=plot.df$sample,x=plot.df$group,y=plot.df$value) %>%
                                         plotly::layout(xaxis=list(title="group",showgrid=F),yaxis=list(title="value",showgrid=F)))
    }
    return(scatter.plot)
  })
    
  output$out.plot <- plotly::renderPlotly({
    scatter.plot()
  })  
}

ui <- fluidPage(
  titlePanel("Data Explorer"),
  sidebarLayout(
    sidebarPanel(
      tags$head(
        tags$style(HTML(".multicol {-webkit-column-count: 3; /* Chrome, Safari, Opera */-moz-column-count: 3; /* Firefox */column-count: 3;}")),
        tags$style(type="text/css", "#loadmessage {position: fixed;top: 0px;left: 0px;width: 100%;padding: 5px 0px 5px 0px;text-align: center;font-weight: bold;font-size: 100%;color: #000000;background-color: #CCFF66;z-index: 105;}"),
        tags$style(type="text/css",".shiny-output-error { visibility: hidden; }",".shiny-output-error:before { visibility: hidden; }")),
      conditionalPanel(condition="$('html').hasClass('shiny-busy')",tags$div("In Progress...",id="loadmessage")),
      selectInput("dataset", label = "Dataset", choices = colnames(dplyr::select(design.df,-value))),
      uiOutput("filter"),
    ),
    mainPanel(
      plotly::plotlyOutput("out.plot")
    )
  )
)

shinyApp(ui = ui, server = server)

Որը տալիս է այս ինտերֆեյսը. մուտքագրեք պատկերի նկարագրությունը այստեղ

Այն մոտ է իմ ուզածին, բայց դեռ մի քանի խնդիր ունի.

  1. Այն ներկայացնում է design.df-ի բոլոր սյունակները, այլ ոչ թե արձագանքում ընտրվածին:
  2. Այն չի ցուցադրում ցրման սյուժեն, հավանաբար այն պայմանի պատճառով, որ ես ստեղծել եմ scatter.plot reactive-ում:

Կա՞ պատկերացում, թե ինչն է սխալ:

Երբ դրանք լուծվեն, ես նույնպես պետք է թարմացնեմ գծագրման կոդը scatter.plot reactive-ում, որպեսզի այն բացահայտորեն չընտրի design.df-ից սյունակների անունները, այլ ընտրվածները, բայց դա բացարձակապես կարևոր չէ այս գրառման համար:

21.08.2020

  • Միգուցե selectizeGroupUI library(shinyWidgets)-ից հետաքրքիր լինի ձեզ համար: 21.08.2020
  • Դուք կարող եք նայել DT::renderDataTable՝ սյունակների վրա ինտերակտիվ զտիչով աղյուսակ ցուցադրելու համար: 21.08.2020

Պատասխանները:


1

Սա ինձ համար բավարար լուծում է։

Տվյալներ:

set.seed(1)
library(dplyr)
samples <- paste0("s",1:5)
clusters <- paste0("c",1:10)
groups <- paste0("g",1:20)

design.df <- expand.grid(samples,clusters,groups) %>%
    dplyr::rename(sample=Var1,cluster=Var2,group=Var3) %>%
    dplyr::mutate(value=rnorm(nrow(.)))

Փայլուն կոդ.

library(shiny)
library(dplyr)

make_ui <- function(x, var) {
  if (is.numeric(x)) {
    rng <- range(x, na.rm = TRUE)
    sliderInput(var, var, min = rng[1], max = rng[2], value = rng)
  } else if (is.factor(x)) {
    levs <- levels(x)
    selectInput(var, var, choices = levs, selected = levs, multiple = TRUE)
  } else {
    # Not supported
    NULL
  }
}

filter_var <- function(x, val) {
  if (is.numeric(x)) {
    !is.na(x) & x >= val[1] & x <= val[2]
  } else if (is.factor(x)) {
    x %in% val
  } else {
    # No control, so don't filter
    TRUE
  }
}

server <- function(input, output)
{
  output$filter <- renderUI(
    purrr::map(colnames(data.frame(dplyr::select(design.df,-value))), ~ make_ui(data.frame(dplyr::select(design.df,-value))[[.x]], .x))
  )
  
  selected <- reactive({
    each_var <- purrr::map(colnames(data.frame(dplyr::select(design.df,-value))), ~ filter_var(data.frame(dplyr::select(design.df,-value))[[.x]], input[[.x]]))
    purrr::reduce(each_var, `&`)
  })
  
  scatter.plot <- reactive({
    scatter.plot <- NULL
    if(!is.null(data.frame(dplyr::select(design.df,-value))[selected(),])){
      plot.df <- suppressWarnings(data.frame(dplyr::select(design.df,-value))[selected(), ])
      scatter.plot <- suppressWarnings(plotly::plot_ly(marker=list(size=3),type='scatter',mode="markers",color=plot.df$sample,x=plot.df$group,y=plot.df$value) %>%
                                       plotly::layout(xaxis=list(title="group",showgrid=F),yaxis=list(title="value",showgrid=F)))
    }
    return(scatter.plot)
  })
    
  output$out.plot <- plotly::renderPlotly({
    scatter.plot()
  })  
}

ui <- fluidPage(
  titlePanel("Data Explorer"),
  sidebarLayout(
    sidebarPanel(
      tags$head(
        tags$style(HTML(".multicol {-webkit-column-count: 3; /* Chrome, Safari, Opera */-moz-column-count: 3; /* Firefox */column-count: 3;}")),
        tags$style(type="text/css", "#loadmessage {position: fixed;top: 0px;left: 0px;width: 100%;padding: 5px 0px 5px 0px;text-align: center;font-weight: bold;font-size: 100%;color: #000000;background-color: #CCFF66;z-index: 105;}"),
        tags$style(type="text/css",".shiny-output-error { visibility: hidden; }",".shiny-output-error:before { visibility: hidden; }")),
      conditionalPanel(condition="$('html').hasClass('shiny-busy')",tags$div("In Progress...",id="loadmessage")),
      uiOutput("filter"),
    ),
    mainPanel(
      plotly::plotlyOutput("out.plot")
    )
  )
)

shinyApp(ui = ui, server = server)

Որը տալիս է՝ մուտքագրեք պատկերի նկարագրությունը այստեղ

22.08.2020
Նոր նյութեր

Օգտագործելով Fetch Vs Axios.Js-ը՝ HTTP հարցումներ կատարելու համար
JavaScript-ը կարող է ցանցային հարցումներ ուղարկել սերվեր և բեռնել նոր տեղեկատվություն, երբ դա անհրաժեշտ լինի: Օրինակ, մենք կարող ենք օգտագործել ցանցային հարցումը պատվեր ներկայացնելու,..

Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար
Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար Ինչպե՞ս հանգստացնել ձեր միտքը և աշխատեցնել ձեր պրոցեսորը: Ինչպես մնալ հանգիստ և զարգանալ ճնշման տակ...

Մեքենայի ուսուցում բանկային և ֆինանսների ոլորտում
Բարդ, խելացի անվտանգության համակարգերը և հաճախորդների սպասարկման պարզեցված ծառայությունները բիզնեսի հաջողության բանալին են: Ֆինանսական հաստատությունները, մասնավորապես, պետք է առաջ մնան կորի..

Ես AI-ին հարցրի կյանքի իմաստը, այն ինչ ասում էր, ցնցող էր:
Այն պահից ի վեր, երբ ես իմացա Արհեստական ​​ինտելեկտի մասին, ես հիացած էի այն բանով, թե ինչպես է այն կարողանում հասկանալ մարդկային նորմալ տեքստը, և այն կարող է առաջացնել իր սեփական արձագանքը դրա..

Ինչպես սովորել կոդավորումը Python-ում վագրի պես:
Սովորելու համար ծրագրավորման նոր լեզու ընտրելը բարդ է: Անկախ նրանից, թե դուք սկսնակ եք, թե առաջադեմ, դա օգնում է իմանալ, թե ինչ թեմաներ պետք է սովորել: Ծրագրավորման լեզվի հիմունքները, դրա..

C++-ի օրական բիթ(ե) | Ամենաերկար պալինդրոմային ենթաշարը
C++ #198-ի ամենօրյա բիթ(ե), Ընդհանուր հարցազրույցի խնդիր. Ամենաերկար պալինդրոմային ենթատող: Այսօր մենք կանդրադառնանք հարցազրույցի ընդհանուր խնդրին. Ամենաերկար palindromic substring...

Kydavra ICAReducer՝ ձեր տվյալների ծավալայինությունը նվազեցնելու համար
Ի՞նչ է ICAReducer-ը: ICAReducer-ն աշխատում է հետևյալ կերպ. այն նվազեցնում է նրանց միջև բարձր փոխկապակցված հատկանիշները մինչև մեկ սյունակ: Բավականին նման է PCAreducer-ին, չնայած այն..