r - 允许用户修改数据的 Shiny R 应用程序

Question

这还不是一个实际问题，而是一个理论问题。我正在考虑使用 Shiny 以交互方式显示一些原始数据。这可以。

但是 - 是否可以让用户更改显示的数据？

假设我有一堆 slider 供用户限制基础数据以满足某些条件并显示这些观察结果 - 是否可以允许用户对该数据进行修改并将这些修改发送回服务器，这反过来保存这些更改？

我正在考虑用户可能使用 Shiny Application 浏览数据并检测数据中潜在异常值的场景——然后用户可以将这些标记为异常值。但是，该信息需要传回服务器。

这样的应用可能吗？有一些现有的例子吗？

Answer 1

我一直在研究使用此工作流程的软件包:

用户将数据加载到 R session 中并从命令行

完成一些初始筛选

数据被传递给 Shiny 应用程序，允许用户以交互方式选择和修改数据

用户单击按钮结束 Shiny session ，修改后的数据将返回到 R session ，用户所做的所有更改都完好无损。

这不是使用 Shiny 的常用方式 - 该应用程序不是远程部署的，而是在本地用作单个用户的交互式绘图界面。我用基本图形和 locator() 做了类似的事情。功能，很繁琐。使用 tcl/tk 可能更容易，但我很想知道它如何与 Shiny 一起工作。

这是一个玩具示例:

myShiny <- function(mydata){

  ui <- fluidPage(
    actionButton("exit", label = "Return to R"),
    plotOutput("dataPlot", click = "pointPicker")
  )

  server <- function(input, output){
    output$dataPlot <- renderPlot({
      plot(x = myData()[, 1], y = myData()[,2], cex = myData()[,3])
    })

    myData <- reactive({
      selPts <- nearPoints(mydata,
                           input$pointPicker, "x", "y",
                           threshold = 25, maxpoints = 1, allRows = TRUE)
      if(sum(selPts[,"selected_"]) > 0){
      ## use '<<-' to modify mydata in the parent environment, not the 
      ## local copy
        mydata[which(selPts[, "selected_", ]), "size"] <<-
          mydata[which(selPts[, "selected_", ]), "size"] + 1
      }
      mydata
    })

    observe({
      if(input$exit > 0)
        stopApp()
    })

  }
  runApp(shinyApp(ui = ui, server = server))
  return(mydata)
}

testDF <- data.frame(x = seq(0, 2 * pi, length = 13),
                     y = sin(seq(0, 2 * pi, length = 13)),
                     size = rep(1, 13))

modDF <- myShiny(testDF)

在这种情况下，单击一个点会增加相应行中的一列(“大小”)的值(在绘制时使用 cex 参数可视化)。这些值返回给用户，在这种情况下，存储在 modDF 中。多变的:

> modDF
           x             y size
1  0.0000000  0.000000e+00    1
2  0.5235988  5.000000e-01    5
3  1.0471976  8.660254e-01    1
4  1.5707963  1.000000e+00    1
5  2.0943951  8.660254e-01    2
6  2.6179939  5.000000e-01    1
7  3.1415927  1.224647e-16    1
8  3.6651914 -5.000000e-01    7
9  4.1887902 -8.660254e-01    1
10 4.7123890 -1.000000e+00    1
11 5.2359878 -8.660254e-01    3
12 5.7595865 -5.000000e-01    1
13 6.2831853 -2.449294e-16    1

很容易修改它以切换“异常值”列中的值(以便您可以扭转您的决定)，或者直接在数据框中进行永久性更改。

在我的实际包中，我使用这种方法允许用户直观地选择非线性回归的初始参数，立即看到在浏览器中绘制的结果模型拟合，重复直到他们得到一个看起来合理的拟合模型，最后保存结果并返回到他们的 R session 。