首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

根据shiny中的reacitve输入,使用不同的数据集和列绘制不同的反应图

根据shiny中的reactive输入,使用不同的数据集和列绘制不同的反应图。

在Shiny中,reactive输入是一种用于创建响应式数据对象的函数。它可以根据用户的输入或其他响应式对象的变化来自动更新数据。通过使用不同的数据集和列,我们可以根据用户的选择或输入绘制不同的反应图。

以下是一个示例代码,演示了如何使用reactive输入在Shiny应用程序中绘制不同的反应图:

代码语言:R
复制
library(shiny)
library(ggplot2)

# 定义UI界面
ui <- fluidPage(
  titlePanel("绘制不同的反应图"),
  sidebarLayout(
    sidebarPanel(
      selectInput("dataset", "选择数据集", choices = c("mtcars", "iris")),
      selectInput("column", "选择列", choices = NULL)
    ),
    mainPanel(
      plotOutput("plot")
    )
  )
)

# 定义服务器逻辑
server <- function(input, output) {
  
  # 根据选择的数据集更新列的选择项
  observeEvent(input$dataset, {
    columns <- colnames(get(input$dataset))
    updateSelectInput(session, "column", choices = columns)
  })
  
  # 根据选择的数据集和列绘制反应图
  output$plot <- renderPlot({
    dataset <- get(input$dataset)
    column <- input$column
    
    ggplot(dataset, aes(x = dataset[[column]])) +
      geom_histogram()
  })
}

# 运行Shiny应用程序
shinyApp(ui, server)

在这个示例中,我们创建了一个简单的Shiny应用程序,包含一个侧边栏和一个主面板。侧边栏中有两个选择框,用于选择数据集和列。主面板中有一个用于显示反应图的绘图输出。

当用户选择数据集时,触发observeEvent函数,更新列选择框的选项。当用户选择数据集和列后,触发renderPlot函数,根据选择的数据集和列绘制反应图。

这个示例中使用了mtcarsiris两个数据集作为选择项,用户可以选择不同的数据集和列来绘制不同的反应图。具体的反应图类型和绘图方式可以根据实际需求进行修改和扩展。

推荐的腾讯云相关产品和产品介绍链接地址:

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

| 不同品种基因型数据绘制PCA聚类分析

PCA是降维一种方法。 本次再增加一下聚类形式。 很多软件可以分析PCA,这里介绍一下使用plink软件R语言,进行PCA分析,并且使用ggplot2绘制2D3DPCA。...绘制如下: 2-D PCA: ? 图片解释,将每个品种用不同颜色表示,同时绘制置信区间圆圈,X坐标是PC1,解释24.9%变异,Y坐标是PC2,解释10.61%变异。...可以看到,三个品种在PCA图里面分比较开,C品种有两个AB点,应该是异常数据。 3-D PCA: ?...,将其转化为0,1,2形式 2,计算G矩阵 3,计算PCA特征向量特征值 4,根据特征值计算解释百分比 5,根据特征向量品种标签,进行PCA绘制 绘制代码如下: 首先,使用plink命令...然后使用R语言,计算PCA,并绘制PCA

1.8K20

PCA分析 | 不同品种基因型数据绘制2D3DPCA

PCA是降维一种方法。 很多软件可以分析PCA,这里介绍一下使用plink软件R语言,进行PCA分析,并且使用ggplot2绘制2D3DPCA。...绘制如下: 2-D PCA: image.png 图片解释,将每个品种用不同颜色表示,同时绘制置信区间圆圈,X坐标是PC1,解释24.9%变异,Y坐标是PC2,解释10.61%变异。...3-D PCA: image.png 图片解释,将每个品种用不同颜色表示,X坐标是PC1,解释24.9%变异,Y坐标是PC2,解释10.61%变异,Z坐标是PC3,解释1.02%变异。...,将其转化为0,1,2形式 2,计算G矩阵 3,计算PCA特征向量特征值 4,根据特征值计算解释百分比 5,根据特征向量品种标签,进行PCA绘制 绘制代码如下: 首先,使用plink命令...然后使用R语言,计算PCA,并绘制PCA

2.3K50

数据可视化编程实战_大数据可视化

以此为基础,进阶高段,可以自然过渡到Python,Julia等语言可视化实践活动。 首先引入本次实践使用数据SENIC,该数据描述了在不同美国医院测量结果。...plotlyshiny也是本文重点,自然要载入。 其他显示在,并未于此提及包会在后续步骤中用到时再做介绍。...进行 数据变量的确认; 第2行,利用stat_density绘制密度曲线, 第3,4行,利用geom_point将离群值添加,并设置了点形状; 第5行,为x,y轴添加名称; 第6行,设置极简主题...第1-10行,创建绘图函数参数是列名; 第2行,获取该离群值; 第3行,为后续作图时x轴名称赋值; 第4-5行,绘制密度曲线图,请注意string_aes是专门用于批量出功能; 第6-8行,用判断语句对没有离群值进行处理...设定用户界面以及输入数据样式; 第11-37行,设置输出样式,读入输入值,整理之前功能代码,调用。

8.6K20

「R」Shiny:响应式编程(二)响应式编程

命令式编程 vs 声明式编程 食谱指令关键区别在于它们是两种不同编程方式: 命令式编程 - 我们发布一些指令,然后程序立即执行它。...这是我们在 Shiny使用编程方式。 惰性 Shiny 声明式编程一个优点是它允许应用非常懒惰。Shiny 应用会尽量做最小工作以完成对结果控件所需更新。然而惰性也带来了重要问题。...为了理解执行顺序,你需要观察 响应,它描述了输入输出是如何连接到一起。上面示例响应非常简单。 ?...对于每一个输入输出控件,响应都有对应符号,当一个输出控件需要访问输入控件数据时,我们就将它们连接起来。这个告诉我们当 name 改变时,greeting 需要重新进行计算。...为了简洁,下面的图表示相同含义。 ? 我们可以使用 reactlog 包绘制响应。 ?

2.5K20

「R」Shiny:案例研究:急诊室受伤情况分析

你可以在 https://github.com/hadley/neiss 上找到有关此数据更多信息。 本文将聚焦于 2017 年数据,该数据不是很大,因此可以存储在 Git,并方便后续使用。...我们将其与其他两个数据框配对使用,以提供更多背景信息:products 可让我们从产品代码查找产品名称;population 可告诉我们 2017 年美国各个年龄段性别的总人口。...为了帮助达到正确平衡,在提交代码之前,我们可以经常做一些铅笔素描来快速浏览 UI 反应。...在这里,我决定为输入控件设置一行(这是因为我可能要在此应用程序完成之前添加更多输入),为所有三个表分配一行(给每个表 4 ,是 12 宽度 1/3)),然后为绘制分配一行: ui <- fluidPage...这是一种合理通用模式:我们可以在数据分析创建变量,以将分析分解为多个步骤,并避免多次重新计算,而响应式表达式在 Shiny 应用程序扮演相同角色。

4.2K30

rrvgo--基于语义相似度简化GO富集结果冗余

scatterPlot(simMatrix, reducedTerms) 树状 树状是分层结构空间填充可视化。terms根据其父项进行分组(着色),并且terms使用空间与分数成正比。...树状可以帮助解释汇总结果并比较不同 GO terms。 treemapPlot(reducedTerms) 词云 词云是再现文本可视化,强调在文本中频繁出现词。...可以帮助识别在一组丰富 GO terms更常见过程功能,以及不同组之间比较。...shiny app,可以从R调用 Shiny_rrvgo() 函数来访问该应用程序。...rrvgo::shiny_rrvgo() 小编总结 rrvgo使用整体来说是非常简单,只要我们输入GO terms矩阵,就可以一步步得到结果,将原本繁多富集结果进行精简,得到其中更重要功能

2K41

12个流行Python数据可视化库总结

5. pygal 与BokehPlotly一样,pygal提供可以嵌入Web浏览器交互式。它主要区别在于能够将图表输出为SVG格式。如果你使用较小数据,SVG格式图像就可以了。...与Bokeh一样,Plotly强项正在制作交互式,但它提供了一些在大多数库没有的图表,如等高线图,树状3D图表。...7. geoplotlib geoplotlib是一个用于创建地图绘制地理数据工具库。可以使用它来创建各种地图类型,例如等值线,热点密度贴图。...missingno 允许你使用视觉摘要来快速评估数据完整性,而不是通过大篇幅表格。你可以根据或树形完成度或点相关度对数据进行过滤排序。 10....声明意味着只需要提供数据与编码通道之间链接,例如x轴,y轴,颜色等,其余绘图细节它会自动处理。声明使Altair变得简单,友好一致。使用Altair可以轻松设计出有效且美观可视化代码。

2.7K20

「R」Shiny:响应式编程(三)响应表达式

首先我们定义一些常规 R 函数驱动后面创建应用。 动机 想象一下我们想要使用一个一个假设检验来比较两个模拟数据。...响应 让我们开始绘制这个应用响应。**当然输入发生改变时,Shiny 可以非常聪明地自动更新结果;但 Shiny 无法聪明到选择性运行更新输出代码。...但 Shiny 会把它们看作一个整体,只要更新输入任意一个,x1 x2 都要更新。 因此,响应如下: ? 我们注意到这个非常稠密:几乎每个输入都跟每个输出直接连接到了一起。...该应用还有一个重要问题:直方图 t 检验使用不同随机数据。这个操作非常具有误导性,因为我们应当使用完全一致数据进行工作。 幸运地是,我们可以通过响应表达式减少重复计算并解决问题。...模块化响应 为什么我们需要响应表达式 因为通过创建变量函数方式减少重复在 Shiny 是不工作

1.5K40

「R」Shiny 教程笔记

Outputs 是 Shiny 通过响应用户输入而在指定区域展示输出,一般为图表。每个输入组件都有唯一标识符,需要展示标签名作为参数,其他一些参数则应不同组件提供不同功能而不同。...p8:响应值(reactive values) 响应值就是 Shiny 数据流,input 是响应值列表,这些值展示了当前输入各自状态。注意⚠️:响应值只能在对应设定好响应环境中使用!...p9:reactive 工具 render* 函数构建 shiny app 要显示对象。 它会将结果保存到 output 对应元素。...p10:使用 reactive 表达式模块化 Shiny 回顾上一部分学习,当多处使用同一随机数据时,不同地方数据将变得不一致。...它 reactive() 是对应。 ? ? ? ? (注意这里虽然更新了,但绘图数据并没有更新) ?

6.7K51

R 语言绘制 10 种方法

就可以查看变化;(3)热绘制时一般输入是矩阵,而 R 默认输入格式是数据框,因此需要转化。...要使用非基础安装里面的包,就需要安装并加载这个包,代码如下: 要查看一个包或者一个包里面函数详细介绍,代码为: 与 heatmap 类似的是,pheatmap 也可以同时绘制系统树,同样需要矩阵格式原始输入...,需要用 scale 进行标准化,需要颜色;但不同是,是否需要行或系统树表达方式不同,前者是,而后者是。...利用上面的 NBA 数据,我们只是在绘制那一步利用 pheatmap 函数,输入以下代码: 3....用 pheatmap 绘制 果然,pheatmap 一出手就不同凡响,信息要比 heatmap 更多。根据这幅,我们再倒退回去看 pheatmap 函数一些关键参数。

24.4K402

R海拾遗-shiny4

R海拾遗-shiny4 概述 shiny基础终章,shiny反应表达式学习 代码 在工作目录创建一个名为stockVis新文件夹 下载以下文件放在stockVis app.R:https://shiny.rstudio.com...依赖quantmod包两个功能: getSymbols: 直接从雅虎财经圣路易斯联邦储备银行等网站下载金融数据。...chartSeries 图表显示价格 同时需要使用helps.r脚本,脚本包含一个根据通货膨胀调整股票价格函数。...,当你选择第一个框时候,shiny会重新从雅虎获得数据,相当于运行了下面的程序,并重新绘制图片,这可能会导致运算变慢,同时雅虎会认为数据异常,从而封闭访问 output$plot <- renderPlot...第一次运行反应表达式时,该表达式将其结果保存在计算机内存

1.9K40

博客 | 12个流行Python数据可视化库总结

5. pygal 与BokehPlotly一样,pygal提供可以嵌入Web浏览器交互式。它主要区别在于能够将图表输出为SVG格式。如果你使用较小数据,SVG格式图像就可以了。...与Bokeh一样,Plotly强项正在制作交互式,但它提供了一些在大多数库没有的图表,如等高线图,树状3D图表。...7. geoplotlib geoplotlib是一个用于创建地图绘制地理数据工具库。可以使用它来创建各种地图类型,例如等值线,热点密度贴图。...missingno 允许你使用视觉摘要来快速评估数据完整性,而不是通过大篇幅表格。你可以根据或树形完成度或点相关度对数据进行过滤排序。 10....声明意味着只需要提供数据与编码通道之间链接,例如x轴,y轴,颜色等,其余绘图细节它会自动处理。声明使Altair变得简单,友好一致。使用Altair可以轻松设计出有效且美观可视化代码。 ?

1.7K10

Shiny-R语言轻松开发交互式web应用

Shiny应用程序会自动刷新计算结果,这与电子表格实时计算效果类似。当用户修改输入时,输出值自动更新,而不需要在浏览器手动刷新。...采用websockets包,做到浏览器R之间快速双向通信。 采用反应式(reactive)编程模型,摒弃了繁杂 事件处理代码,这样你可以集中精力于真正关心代码上。...开发发布你自己Shiny小工具,其他开发者也可以非常容易地将它加到自己应用 安装 Shiny可以从CRAN获取, 所以你可以用通常方式来安装,在R命令行里输入: install.packages...Hello Shiny是个简单应用程序,基于faithful 数据画直方图。...与常见R语言做出不同,Hello shiny有一个可以调整bins(柱个数)滑条,用户可以滑动选择bins数目,app图表会随即产生变化.

2.1K20

基于R语言shiny网页工具开发基础系列-05

上面是shiny团队稿件 l5-更复杂反应app 创建一个更复杂依赖R脚本额外数据有灵魂(能反应)app 使用R脚本和数据 此篇旨在展示如何载入数据,R脚本,包,用来构建app。...构建一个复杂数据,可视化美国的人口普查数据 看起来像下图 counties.rds counties.rds是一个包含美国每个县人口统计数据数据使用R包UScensus2010收集,也可从这下载...地区分布使用颜色展示变量地区差异 此例,helpers.R 将会创建一个percent_map ,一个设计用于匹配counties.rds数据函数,下载 脚本将会使用mapsmapproj包,...,还载入了两个包library(maps) library(mapproj) 使用shiny也会这样调用这些函数,但是写法略有不同 sourcereadRDS需要文件路径,文件路径使用方式在shiny...构建参数值 如何放置这些设置参数代码 赶紧先自己做做吧 回顾 如今,你已经可以使用R脚本,数据,包创建复杂app了 有几个要点 对于shiny app 来说,app.R脚本所在路径就是工作目录

1.5K20

生信爱好者周刊(第 56 期):2022诺贝尔奖点击化学或可作为单细胞多组学开发有力工具

然而,由于数据之间批处理效应、计算资源有限性对原始数据分享限制,从参考数据中学习是复杂。...Circos使科学家能够轻松地在全基因组尺度上探索生物大数据,但繁琐输入数据准备复杂参数配置限制了其应用。...TBtools开发了“Advanced Circos”功能,提供构造Circos简单方法。作为一个开箱即用软件,TBtools集成了系列便于输入数据准备功能。...本文介绍了“Advance Circos”主要特点上游数据准备方法,旨在让更多用户能够使用Circos进行基因组大数据探索。...12、一个解决你所有饼绘制 R 包 一个比较综合性绘制 R 包 ggpie。

50220

R文档沟通|Dashboards入门(4)

或者当仪表盘数据发生变化时,让仪表盘进行实时更新(请参阅 shiny reactiveFileReader() reactivePoll() 函数)。...入门指南 在仪表盘添加 Shiny 组件步骤如下: 在文档顶部 YAML 元数据添加 runtime: shiny。...在仪表盘第一添加 {.sidebar} 属性,使其成为 Shiny 控件输入控制台(注:这一步不是必须,但这是基于 Shiny 仪表盘经典布局)。 根据需求,添加 Shiny 输入输出。...其中,仪表盘第一包含了 {.sidebar} 属性两个 Shiny 输入控件;第二包含了绘制图表 Shiny 代码。...拓展 下面给出一些学习 Shiny 创建交互式文档资源: Shiny 官方网站( http://shiny.rstudio.com) :包含大量文章、教程示例。

2.4K30

盘点12个Python数据可视化库

处理缺失数据是一件让人痛苦事,Missingno通过使用视觉摘要来快速评估数据完整性,而不是通过大篇幅表格。它可以根据热力图或树状完成度或点相关度对数据进行过滤排序。...Plotly是一个数据可视化在线平台,与Bokeh一样,Plotly强项在于制作交互式视图,但它提供了一些在大多数库没有的图表,如等高线图、树状3D图表。...可以在线绘制条形、散点图、饼、直方图等多种图形,可以画出很多媲美Tableau高质量。...如果用户使用较小数据,则输出位SVG格式图像就可以了,但是如果用户制作图表包含数十万个数据点,那么它们就会很难被渲染并变得反应迟钝。...plotnine优点为代码简洁,易学;绘制流畅大方;不需要很多代码就可以绘制出很不错。在使用plotnine绘图之前,首先需要理解绘图基本概念。 10 Altair ?

4.3K30

高维数据可视化必备图形-平行坐标图

不仅仅是几个样本十几个测量值而已,往往是成百上千个基因或者检测结果。如此高维数据,如果我们想要观察他们变化趋势,应该使用何种图形呢? 在上面的这张图形,仅仅有两条线。...对于时间序列不同时间节点、不同梯度反应浓度等等数值,都可以使用平行坐标图来进行具体数值描述。下面我们就跳过对图形背景描述,进入到实际绘图时间过程当中。...实例练习 首先我们来看一下绘图用测试数据。这个数据当中分了4个肿瘤阶段。总共有150个基因,150个基因当中,又按照通路分了三个组。这个就是我们测试数据: ?...怎么样,这个看上去很不错吧。在平行坐标轴,它普通折线图最大一个区别就是它含有多条坐标轴。每一个坐标轴都代表了不同维度,所以说坐标轴排列方式归一化方式可能会影响观察者对数据理解。...因此在绘制平行坐标图过程当中,坐标轴顺序是极其重要。在这里,我们顺序是按照Grade1-4排,非常容易理解。

2.3K10

Shiny 练习 | 堆积柱状

因为胆汁酸根据来源可以分为初级胆汁酸、次级胆汁酸以及胆汁酸代谢产物,所以就想着,柱状也可以根据每个类别进行不同着色(分类内条目为对应色系渐变色),进一步观察来源分类上差异: ?...,第二填什么其实无所谓,实际程序只会统计第二有几个分类,我这里用 1,2,3,4 来代表数据条目的四个分组,第一需与第一个数据矩阵列名相同 Taxa ColorA 1B 1C...第一张根据数据分类进行着色(为每个分类随机匹配一种颜色,相应分类内为对应色系渐变色): ?...把这个小勾勾打上程序就会根据类别数据出现相应数量取色器(示例数据是 4 类): ? 然后再点击绘图按钮,就会出现自定义分类颜色第三张啦: ? 这就是这个网站主要功能。...),只有 Custom colors for each taxon group 选项打上勾时才会显示取色器 UI,这部分会在 server.R 中介绍) 根据不同选项类型,选择使用不同输入方案,比如

2.4K20
领券