用R语言运用 Shiny 包打造基于鸢尾花数据集的交互式数据可视化应用

下面内容摘录自**《R 语言与数据科学的终极指南》专** 栏文章的部分内容，每篇文章都在 5000 字以上，质量平均分高达 94 分，看全文请点击下面链接：

1章4节：数据可视化， R 语言的静态绘图和 Shiny 的交互可视化演示（更新2024/08/14）-CSDN博客文章浏览阅读14次。使用R语言，数据科学家和分析师不仅可以快速创建原型，还可以开发全功能的应用程序，供同事、客户或公众使用。这种能力为数据分析和可视化带来了全新的可能性。https://blog.csdn.net/2301_79425796/article/details/141187347欢迎订阅我们专栏

在数据科学中，数据的探索和可视化是分析的重要组成部分。R 语言提供了强大的工具来进行数据分析和可视化，其中 Shiny 包允许我们构建交互式的 Web 应用，使用户可以动态地探索数据。本文将详细介绍如何使用 Shiny 构建一个交互式的散点图应用，该应用允许用户选择鸢尾花数据集的不同变量进行可视化，并通过多种选项自定义图形。

1、准备工作

在开始之前，请确保你已经安装了以下 R 包：

• shiny: 用于构建交互式 Web 应用的核心包。
• bslib: 提供主题支持，允许我们定制 Shiny 应用的外观。
• dplyr: 一个用于数据操作的 R 包，使数据过滤和选择更加简洁和高效。
• ggplot2: R 中最流行的数据可视化包，用于创建优美且灵活的图形。
• ggExtra: 用于在 ggplot2 图形上添加额外信息，如边际图。

可以通过运行以下命令来安装这些包：

install.packages(c("shiny", "bslib", "dplyr", "ggplot2", "ggExtra"))

2、鸢尾花数据集

鸢尾花数据集（iris）是数据科学中常用的经典数据集之一。该数据集包含 150 条记录，每条记录代表一朵鸢尾花的测量数据。数据集包括四个数值变量（萼片长度、萼片宽度、花瓣长度和花瓣宽度）和一个分类变量（物种）。

3、构建 Shiny 应用

我们将分两个部分来构建这个应用：用户界面（UI）和服务器端逻辑（Server）。用户界面定义了应用的外观及交互元素，而服务器端逻辑则处理用户的输入并生成相应的输出。

加载展包和筛选数值型列

# 加载必要的R包
library(shiny)   # 用于构建交互式Web应用
library(bslib)   # 用于主题定制的包
library(dplyr)   # 数据操作包
library(ggplot2) # 数据可视化包
library(ggExtra) # 用于在ggplot2图形中添加边际图的包

# 加载鸢尾花数据集
df <- iris

# 筛选出适合散点图的数值型列
df_num <- df |> select(where(is.numeric))

例如，如果鸢尾花数据集中包含列 Sepal.Length、Sepal.Width、Petal.Length、Petal.Width 和 Species，其中前四列是数值型，那么 df_num 将只包含前四列。

定义用户界面

在 Shiny 应用中，用户界面（UI）定义了应用的布局和用户交互组件。我们将使用 page_sidebar 函数来创建一个带有侧边栏的页面布局。

# 定义用户界面
ui <- page_sidebar(
 sidebar = sidebar(
  # 下拉菜单让用户选择X轴变量
  varSelectInput("xvar", "X 变量", df_num, selected = "Sepal.Length"),
  # 下拉菜单让用户选择Y轴变量
  varSelectInput("yvar", "Y 变量", df_num, selected = "Sepal.Width"),
  # 复选框组允许用户根据物种进行筛选
  checkboxGroupInput(
   "species", "按物种筛选",
   choices = unique(df$Species), 
   selected = unique(df$Species)
  ),
  hr(), # 添加水平分隔线
  # 复选框允许用户选择是否按物种显示
  checkboxInput("by_species", "显示物种", TRUE),
  # 复选框允许用户选择是否显示边际图
  checkboxInput("show_margins", "显示边际图", TRUE),
  # 复选框允许用户选择是否添加平滑曲线
  checkboxInput("smooth", "添加平滑曲线")
 ),
 # 输出散点图
 plotOutput("scatter")
)

• varSelectInput: 允许用户从鸢尾花数据集的数值变量中选择 X 轴和 Y 轴的变量。
• checkboxGroupInput: 允许用户根据物种筛选数据。
• hr: 插入一条水平分隔线，以分隔不同的输入控件。
• checkboxInput: 复选框，用于控制是否显示物种、是否添加边际图，以及是否在散点图中添加平滑曲线。
• plotOutput: 用于在页面上展示由 ggplot2 生成的图形。

定义服务器端逻辑

定义服务器端逻辑指的是明确和编写在服务器端运行的一系列规则、流程和操作，以处理来自客户端（如网页浏览器或移动应用）的请求，并根据这些请求执行相应的任务。服务器端逻辑涵盖了广泛的功能，例如接收和解析客户端发送的数据，与数据库进行交互以读取或写入信息，执行复杂的计算和数据处理操作，根据特定条件做出决策，生成动态的内容并将其返回给客户端，以及处理用户认证、授权和安全性等方面的任务。

举个例子，当用户在购物网站上提交订单时，服务器端逻辑会验证订单信息的完整性和准确性，检查库存数量，计算总价，将订单数据保存到数据库中，并最终向用户返回确认消息。又比如，在社交媒体平台上，服务器端逻辑会决定哪些内容应该显示在用户的动态页面上，基于用户的关注列表、发布时间和内容相关性等因素进行筛选和排序。

# 定义服务器端逻辑
server <- function(input, output, session) {
 # 根据用户选择的物种筛选数据
 subsetted <- reactive({
  req(input$species) # 确保选择了物种
  df |> filter(Species %in% input$species) # 筛选数据
 })
 
 # 生成散点图
 output$scatter <- renderPlot({
  p <- ggplot(subsetted(), aes(!!input$xvar, !!input$yvar)) + list(
   theme(legend.position = "bottom"), # 设置图例位置
   if (input$by_species) aes(color = Species), # 如果选择按物种显示，按颜色区分物种
   geom_point(), # 绘制散点
   if (input$smooth) geom_smooth() # 如果选择平滑曲线，添加平滑线
  )
  
  # 如果选择显示边际图，添加边际图
  if (input$show_margins) {
   margin_type <- if (input$by_species) "density" else "histogram"
   p <- ggExtra::ggMarginal(p, type = margin_type, margins = "both",
                            size = 8, groupColour = input$by_species, groupFill = input$by_species)
  }
  
  p # 返回生成的图形
 }, res = 100) # 设置图形分辨率
}

• subsetted: 使用 reactive 函数来创建一个反应式表达式，它根据用户选择的物种过滤数据集。
• req 函数确保在没有选择物种时应用不会出错。
• renderPlot: 根据用户的输入动态生成图形。
• ggplot 函数用于创建基本的散点图，aes 函数定义了 X 轴和 Y 轴的变量。
• ggExtra::ggMarginal: 如果用户选择了显示边际图，ggMarginal 函数会在散点图的边缘添加密度图或直方图。

3. 启动 Shiny 应用

shinyApp(ui, server)

这段代码将 UI 和服务器逻辑组合在一起，并启动 Shiny 应用。运行此应用后，用户可以选择不同的 X 轴和 Y 轴变量，筛选特定物种，并通过复选框控制是否显示物种、添加边际图或平滑曲线。

应用演示与扩展

在完成基础的 Shiny 应用之后，能够依据实际的需求来展开更进一步的拓展。比如说，您能够增添数据导入的功能，赋予用户上传自身数据集的权限，并对其展开可视化的分析；还能够丰富图表的类型，除了常见的散点图之外，添加诸如箱线图、柱状图等其他类型的图表；此外，借助 bslib 包，您能够为应用程序设定专属的自定义主题，从而使之与特定的品牌风格或者审美偏好相契合。

本文详细介绍了如何使用 Shiny 构建一个交互式的散点图应用，并提供了通过鸢尾花数据集进行数据可视化的示例。通过 Shiny 的强大功能，我们可以轻松地将静态的数据分析转变为动态、互动的 Web 应用，从而使数据分析过程更加直观和用户友好。所以，使用 Shiny，数据科学家和分析师不仅可以快速创建原型，还可以开发全功能的应用程序，供同事、客户或公众使用。这种能力使得 Shiny 成为 R 生态系统中不可或缺的一部分，为数据分析和可视化带来了全新的可能性。

.........

欢迎订阅我们专栏，深度系统地学习R语言。

为帮助大家更出色地掌握临床统计、数据挖掘以及人工智能建模的入门知识和应用，由于众多同学在计算机编程上经验欠缺，特此开设《R 语言与数据科学的终极指南》专栏。该专栏每周至少会定期更新三篇，直到整个专栏更新完成。每篇文章都在 5000 字以上，质量平均分高达 94 分。要提醒大家的是，每结束一个章节，专栏的优惠力度就会减小，当下正是订阅的最佳优惠时段，诚邀各位积极订阅！

专栏《R 语言与数据科学的终极指南》链接： https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482