Glänzend meistern

Kapitel 12. Aufgeräumte Auswertung

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Wenn du Shiny mit dem Tidyverse verwendest, wirst du mit ziemlicher Sicherheit auf die Herausforderung stoßen, mit Tidy Evaluation zu programmieren. Die Tidy-Auswertung wird im gesamten Tidyverse verwendet, um die interaktive Datenexploration flüssiger zu machen, aber sie hat ihren Preis: Es ist schwierig, sich indirekt auf Variablen zu beziehen und daher schwieriger zu programmieren.

In diesem Kapitel lernst du, wie du ggplot2- und dplyr-Funktionen in eine Shiny-App einbinden kannst. (Wenn du tidyverse nicht verwendest, kannst du dieses Kapitel überspringen .) Die Techniken zum Einbinden von ggplot2- und dplyr-Funktionen in andere Funktionen oder ein Paket sind etwas anders und werden in anderen Ressourcen wie Using ggplot2 in Packages oder Programming with dplyr behandelt. Fangen wir an:

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

Motivation

Stell dir vor: Ich möchte eine App erstellen, mit der du eine numerische Variable filtern kannst, um Zeilen auszuwählen, die größer als ein Schwellenwert sind. Du könntest etwas wie folgt schreiben:

num_vars <- c("carat", "depth", "table", "price", "x", "y", "z")
ui <- fluidPage(
  selectInput("var", "Variable", choices = num_vars),
  numericInput(