我们通过前面的文章已经对响应式编程的基本思路有所熟悉，这里我们将讨论更加高级的技术，它可以让我们更加合理地使用响应表达式。
为了更好地探索技术的基本思路，这里先对之前创建的模拟 Shiny 应用进行简化。我们将使用只有一个参数的分布，并让分布的样本数 n 保持一致。另外，我们也将移除图形控制。这样，我们用下面代码生成一个更小的 UI 和后端。
library(shiny)
library(ggplot2)
## 绘图函数
histogram <- function(x1, x2, binwidth = 0.1, xlim = c(-3, 3)) {
df <- data.frame(
x = c(x1, x2),
g = c(rep("x1", length(x1)), rep("x2", length(x2)))
)
ggplot(df, aes(x, fill = g)) +
geom_histogram(binwidth = binwidth) +
coord_cartesian(xlim = xlim)
}
## 用户界面
ui <- fluidPage(
fluidRow(
column(3,
numericInput("lambda1", label = "lambda1", value = 3),
numericInput("lambda2", label = "lambda2", value = 3),
numericInput("n", label = "n", value = 1e4, min = 0)
),
column(9, plotOutput("hist"))
)
)
## 后端
server <- function(input, output, session) {
x1 <- reactive(rpois(input$n, input$lambda1))
x2 <- reactive(rpois(input$n, input$lambda2))
output$hist <- renderPlot({
histogram(x1(), x2(), binwidth = 1, xlim = c(0, 40))
})
}
shinyApp(ui, server)
生成的 Shiny 如下：
一个绘制两个泊松分布的简易 Shiny
对应的响应图如下：
响应图
定时失效
想象一下你想要让这个应用持续不断地生成模拟数据，以便于你可以看到一个动态模拟而不是一个静态地图。我们可以使用一个新的函数 reactiveTimer() 来增加更新的频率。
reactiveTimer() 是一个响应表达式，它有一个隐藏的输入：当前时间。该函数用于改变当前的更新定时。例如，下面代码使用了 500ms 作为更新间隔（2 次/秒）。这个速度已经足够的快，但也不至于让我们感到眩晕。
server <- function(input, output, session) {
timer <- reactiveTimer(500)
x1 <- reactive({
timer()
rpois(input$n, input$lambda1)
})
x2 <- reactive({
timer()
rpois(input$n, input$lambda2)
})
output$hist <- renderPlot({
histogram(x1(), x2(), binwidth = 1, xlim = c(0, 40))
})
}
shinyApp(ui, server)
它对应的响应图如下：
引入一个自动每半秒更新的输入依赖
这里注意在计算 x1() 和 x2() 的响应表达式中使用 timer() 的方法：我们调用它，但不需要使用它的返回值。
点击时更新
在上面的场景中，思考一下如果代码本身的运行需要花费 1 秒钟会发生什么事情？由于我们每 0.5 秒自动更新数据的模拟，Shiny 会产生越来越多未能完成的工作，因此永远也无法处理完。相同的问题在你 Shiny 用户快速点击需要长时间运行的功能时也会出现。这些都可能会对 Shiny 造成很大的压力，而且当它处理这些挤压工作时，它无法对新的请求发出响应。最后，造成很差的用户体验。
这种问题出现时，我们一般会想要用户手动点击按钮来运行计算。这就是 actionButton() 的绝佳使用场景：
ui <- fluidPage(
fluidRow(
column(3,
numericInput("lambda1", label = "lambda1", value = 3),
numericInput("lambda2", label = "lambda2", value = 3),
numericInput("n", label = "n", value = 1e4, min = 0),
# 增加一个按钮
actionButton("simulate", "Simulate!")
),
column(9, plotOutput("hist"))
)
)
为了使用上面设置的按钮，我们需要学习一个新的工具。想要知道为什么，我们先使用和上面相同的方法创建 Shiny，直接使用 simulate 为响应表达式引入依赖。
server <- function(input, output, session) {
x1 <- reactive({
input$simulate
rpois(input$n, input$lambda1)
})
x2 <- reactive({
input$simulate
rpois(input$n, input$lambda2)
})
output$hist <- renderPlot({
histogram(x1(), x2(), binwidth = 1, xlim = c(0, 40))
})
}
shinyApp(ui, server)
该代码生成了一个带按钮的 Shiny。
带按钮的应用
它对应的响应图如下：
引入按钮的响应图
这个 Shiny 初看实现了我们的目标，点击按钮就可以重新生成模拟数据。然而，当其他输入变化时，结果也马上变化了！响应图也显示了这一点。我们仅仅是引入了新的依赖，而我们实际想要做的是取代之前的依赖。
为了解决这个问题，我们需要一个新的工具：它可以使用输入控件但不施加响应依赖。
eventReactive() 正是我们需要的，它有两个参数，第 1 个指定了运行的依赖，第二个指定执行的表达式。
让我们来改造下上面的 server 函数：
server <- function(input, output, session) {
x1 <- eventReactive(input$simulate, {
rpois(input$n, input$lambda1)
})
x2 <- eventReactive(input$simulate, {
rpois(input$n, input$lambda2)
})
output$hist <- renderPlot({
histogram(x1(), x2(), binwidth = 1, xlim = c(0, 40))
})
}
shinyApp(ui, server)
这样，x1 将依赖于 simulate，而不依赖于 n 和 lambda1，x2 同样如此。
新的响应图如下：
使用 eventReactive 的响应图
灰色箭头显示了 x1 或 x2 需要更新时它的计算依赖，但灰色箭头源头指向的参数已经不再是它的更新依赖，它们被 simulate 替换了!
观察器 observer
目前为止，我们关注的都是在应用内部发生的事情。但有时候我们需要在应用的外部做一些工作，如保存文件到一个共享网盘、发送数据到一个 Web API、更新数据库或向控制台打印调试信息。这些动作都不会影响我们应用的外观，因此我们不能使用输出和 render 函数。相反，我们需要使用观察器 observer。
创建 observer 的方式有多种，这里我们看一下如何使用 observeEvent()，它是初学者一个重要的调试工具。
observeEvent() 与 eventReactive() 非常相似。它有 2 个重要的参数：eventExpr 和 handleExpr()。第 1 个参数是依赖的输入和表达式，第 2 个参数是要运行的代码。例如：下面对于 server() 的修改意味着每次 name 更新时，都会向控制台发送一条消息。
server <- function(input, output, session) {
text <- reactive(paste0("Hello ", input$name, "!"))
output$greeting <- renderText(text())
observeEvent(input$name, {
message("Greeting performed")
})
}
observeEvent() 和 eventReactive() 有两点重要的区别：
- 我们不能将
observeEvent()的结果赋值给一个变量 - 我们不能从其他响应表达式中指向它
观察器和输出非常相关。我们可以认为输出有一个特殊的副作用：更新用户浏览器的 HTML。
为了强调这种紧密性，我们将使用响应图相同的方式绘制它。如下图所示：
观察器看起来与输出控件相同
此处结束我们的响应式编程之旅。接下来的文章将通过创建一个大型的数据分析 Shiny 进行实战。
网友评论