Integrace aplikací ShinyLive do webu pkgdown na stránkách GitHub

Zlepšení interaktivity pro nekodéry pomocí ShinyLive

Hostování datových sad a pomocných funkcí na stránkách GitHub je vynikající způsob, jak zpřístupnit zdroje. Vývojářům pracujícím s R může integrace interaktivity dále zlepšit zapojení uživatelů, zejména pro nekodéry, kteří zkoumají vaše data. ShinyLive nabízí praktické řešení pro vložení takové interaktivity přímo do webové stránky pkgdown.

Navzdory dostupnosti zdrojů pro začlenění aplikací Shiny do balíčků R nebo stránek GitHub stále existuje mezera ve znalostech o efektivním kombinování ShinyLive s weby pkgdown. Jako někdo, kdo udržuje malé balíčky R s datovými sadami a pomocnými funkcemi, pravděpodobně usilujete o to, aby průzkum dat byl intuitivní a uživatelsky přívětivý. ShinyLive může překlenout tuto mezeru.

Začlenění aplikace Shiny do sekce „Články“ vašeho webu pkgdown nabízí efektivní způsob poskytování interaktivních funkcí bez přetěžování dokumentace balíčku R. Tato metoda zajišťuje, že i uživatelé, kteří nejsou obeznámeni s kódováním, mohou snadno podmnožit a vizualizovat data. Je to výhra pro vývojáře i uživatele! 🚀

Představte si například soubor údajů o zdraví, kde mohou uživatelé filtrovat údaje o populaci podle demografických údajů. Pomocí ShinyLive můžete tuto aplikaci sestavit a nasadit na stránkách GitHub, čímž zpřístupníte data dynamickým způsobem. Tento článek popisuje, jak toho dosáhnout krok za krokem pomocí stávajícího nastavení aplikace. 🛠️

Vytváření interaktivních nástrojů pro průzkum dat pomocí Shinylive

První skript, vytvořený pomocí R a Shiny, se zaměřuje na vytvoření dynamického rozhraní, které uživatelům umožňuje interaktivně prozkoumávat datové sady. The vyberte vstup je nezbytný k tomu, aby uživatelé mohli dynamicky vybírat proměnné z rozbalovací nabídky a přizpůsobovat aplikaci jejich potřebám. Spárováno s posuvný vstup, mohou uživatelé dále upřesnit svůj průzkum výběrem konkrétního rozsahu hodnot pro filtrování dat. Například v datové sadě jako mtcars, uživatelé mohou vybrat „mpg“ jako proměnnou a pomocí posuvníku izolovat vozy s najetými kilometry mezi 20 a 30. Tato kombinace zajišťuje uživatelsky přívětivé a intuitivní rozhraní. 🚀

Logika na straně serveru doplňuje uživatelské rozhraní generováním reaktivních výstupů na základě uživatelských vstupů. Tady, renderPlot funkce je klíčová – zpracovává filtrovanou datovou sadu a generuje dynamické vizualizace za běhu. Integrace dplyr's filtr funkce umožňuje bezproblémové podmnožiny datové sady, zatímco ggplot2's geom_histogram zajišťuje vizuálně přitažlivé a informativní zápletky. Představte si zdravotní datovou sadu, kde by uživatel mohl filtrovat věková rozmezí a okamžitě vidět distribuci zdravotních metrik – tento skript umožňuje takovou interaktivitu s minimálním úsilím pro vývojáře.

Druhý skript se zaměřuje na automatizaci nasazení pomocí akcí GitHub. To je zvláště důležité pro efektivní údržbu a aktualizaci webových stránek pkgdown. Pomocí a deploy-app.yaml můžete automatizovat proces odesílání aktualizací a nasazení aplikace ShinyLive. Klíčové příkazy jako actions/checkout@v3 zajistit, aby byl použit nejnovější kód z úložiště, zatímco nastavení specifické pro Shinylive se hladce integruje do pracovního postupu. Představte si například, že aktualizujete aplikaci novými filtry nebo funkcemi – tato automatizace zajišťuje, že se změny okamžitě projeví online, šetří čas a omezuje ruční chyby. ⚙️

Třetí řešení zahrnuje zabalení aplikace Shiny do statického souboru HTML. Použitím shinylive.js, mohou vývojáři vložit aplikaci přímo na svůj web pkgdown, čímž se vyhnou potřebě aktivního R serveru. Tato metoda zpřístupňuje aplikaci uživatelům bez nainstalovaného R, což zlepšuje dostupnost. Učitel by například mohl sdílet interaktivní aplikaci o populačních datech se studenty, kteří je mohou prozkoumat přímo ze svých prohlížečů. Toto řešení je zvláště cenné pro nekodéry, protože přeměňuje složité datové sady na poutavý a vzdělávací zážitek. 🌐

# app.R
# Load necessary libraries
library(shiny)
library(dplyr)
library(ggplot2)

# UI definition
ui <- fluidPage(
  titlePanel("Interactive Data Viewer"),
  sidebarLayout(
    sidebarPanel(
      selectInput("var", "Select Variable:",
                  choices = names(mtcars)),
      sliderInput("range", "Filter Range:",
                  min = 0, max = 100, value = c(25, 75))
    ),
    mainPanel(plotOutput("plot"))
  )
)

# Server logic
server <- function(input, output) {
  output$plot <- renderPlot({
    data <- mtcars %>%
      filter(get(input$var) >= input$range[1],
             get(input$var) <= input$range[2])
    ggplot(data, aes_string(x = input$var)) +
      geom_histogram(bins = 10, fill = "blue", color = "white")
  })
}

# Run the app
shinyApp(ui, server)

# deploy-app.yaml
# Workflow configuration
name: Deploy ShinyLive App

on:
  push:
    branches:
      - main

jobs:
  deploy:
    runs-on: ubuntu-latest

    steps:
    - name: Checkout repository
      uses: actions/checkout@v3

    - name: Set up R
      uses: r-lib/actions/setup-r@v2

    - name: Install dependencies
      run: |
        Rscript -e "install.packages(c('shiny', 'shinylive'))"

    - name: Deploy app
      uses: posit-dev/r-shinylive@actions-v1
      with:
        app-dir: ./

< !-- index.html -->
<!DOCTYPE html>
<html>
<head>
  <title>Interactive Shiny App</title>
  <script src="shinylive.js"></script>
</head>
<body>
  <div id="shiny-app"></div>
  <script>
    const app = new Shinylive.App("#shiny-app");
    app.run();
  </script>
</body>
</html>

Zlepšení dostupnosti a výkonu pro webové stránky pkgdown pomocí ShinyLive

Jedna silná výhoda použití ShinyLive je jeho schopnost umožnit samostatnou interaktivitu bez spoléhání se na aktivní R server. Díky tomu je ideální pro hostování aplikací na statických platformách, jako jsou stránky GitHub. Na rozdíl od tradičních aplikací Shiny, které potřebují nepřetržitou podporu serveru, ShinyLive převede vaši aplikaci na samostatný balíček JavaScriptu. Tento balíček lze vložit přímo na váš web pkgdown, což uživatelům umožňuje bezproblémově prozkoumat vaše datové sady z jakéhokoli prohlížeče. Pokud například váš balíček R obsahuje datovou sadu metrik kvality vzduchu, uživatelé mohou data dynamicky filtrovat a vizualizovat, aniž by museli instalovat další software. 🌍

Další výhodou je jeho přizpůsobivost nekodéry. Začleněním funkcí, jako jsou rozevírací seznamy a posuvníky, vytvoříte prostředí, kde může kdokoli pracovat s vašimi daty. Zdravotnický pracovník by například mohl zkoumat údaje o populaci výběrem věkových skupin nebo regionů, aniž by musel psát jediný řádek kódu. Kombinace ShinyLive a GitHub Pages zajišťuje, že tyto interaktivní funkce jsou snadno dostupné a intuitivní, takže váš projekt má velký dopad na širší publikum. 🧩

ShinyLive navíc zvyšuje výkon vašeho webu pkgdown optimalizací zdrojů potřebných ke spuštění aplikace. Protože je celá logika zkompilována do JavaScriptu, aplikace se načítají rychleji a nabízejí plynulejší interaktivitu. To je užitečné zejména pro předvádění velkých datových sad, kde by jinak vykreslování grafů nebo použití filtrů mohlo způsobit zpoždění. Výsledkem je uživatelská zkušenost na profesionální úrovni, která je v souladu s moderními webovými standardy a očekáváními týkajícími se dostupnosti. 🚀