ShinyLive Apps integrēšana pkgdown vietnē GitHub lapās

Uzlabojiet interaktivitāti lietotājiem, kuri nav kodējuši, izmantojot ShinyLive

Datu kopu un palīgfunkciju mitināšana vietnē GitHub Pages ir lielisks veids, kā padarīt resursus pieejamus. Izstrādātājiem, kas strādā ar R, interaktivitātes integrācija var vēl vairāk uzlabot lietotāju iesaisti, īpaši tiem, kas nav kodēti un pēta jūsu datus. ShinyLive piedāvā praktisku risinājumu šādas interaktivitātes iegulšanai tieši pkgdown vietnē.

Neskatoties uz resursu pieejamību Shiny lietotņu iekļaušanai R pakotnēs vai GitHub lapās, joprojām pastāv zināšanu trūkums par ShinyLive un pkgdown vietņu efektīvu apvienošanu. Tā kā persona, kas uztur nelielas R pakotnes ar datu kopām un palīgfunkcijām, jūs, iespējams, cenšaties padarīt datu izpēti intuitīvu un lietotājam draudzīgu. ShinyLive var pārvarēt šo plaisu.

Spīdīgas lietotnes iekļaušana pkgdown vietnes sadaļā Raksti piedāvā pilnveidotu veidu, kā nodrošināt interaktīvas funkcijas, nepārslogojot R pakotnes dokumentāciju. Šī metode nodrošina, ka pat lietotāji, kas nepārzina kodēšanu, var viegli apakškopus un vizualizēt datus. Tas ir abpusēji izdevīgs izstrādātājiem un lietotājiem! 🚀

Piemēram, iedomājieties veselības datu kopu, kurā lietotāji var filtrēt iedzīvotāju datus pēc demogrāfiskajiem datiem. Izmantojot ShinyLive, varat izveidot un izvietot šo lietotni GitHub lapās, padarot datus pieejamus dinamiskā veidā. Šajā rakstā ir aprakstīts, kā to panākt, izmantojot esošās lietotnes iestatījumus. 🛠️

Interaktīvu datu izpētes rīku izveide ar Shinylive

Pirmais skripts, kas izveidots, izmantojot R un Shiny, ir vērsts uz dinamiskas saskarnes izveidi, kas ļauj lietotājiem interaktīvi izpētīt datu kopas. The atlasiet Ievade komanda ir būtiska, lai lietotāji varētu dinamiski izvēlēties mainīgos no nolaižamās izvēlnes, pielāgojot lietotni savām vajadzībām. Pārī ar sliderInput, lietotāji var vēl vairāk uzlabot savu izpēti, atlasot noteiktu vērtību diapazonu datu filtrēšanai. Piemēram, tādā datu kopā kā mtcars, lietotāji var izvēlēties “mpg” kā mainīgo un izmantot slīdni, lai izolētu automašīnas, kuru nobraukums ir no 20 līdz 30. Šī kombinācija nodrošina lietotājam draudzīgu un intuitīvu saskarni. 🚀

Servera puses loģika papildina lietotāja interfeisu, ģenerējot reaktīvas izejas, pamatojoties uz lietotāja ievadi. Lūk, renderPlot funkcija ir ļoti svarīga — tā apstrādā filtrēto datu kopu un ģenerē dinamiskas vizualizācijas. Dplyr integrācija filtru funkcija ļauj nemanāmi iestatīt datu kopas apakškopu, savukārt ggplot2 geom_histogramma nodrošina vizuāli pievilcīgu un informatīvu sižetu. Iedomājieties veselības datu kopu, kurā lietotājs varētu filtrēt vecuma diapazonus un uzreiz redzēt veselības rādītāju sadalījumu — šis skripts ļauj izstrādātājiem šādu interaktivitāti ar minimālu piepūli.

Otrais skripts ir vērsts uz izvietošanas automatizāciju, izmantojot GitHub darbības. Tas ir īpaši svarīgi, lai efektīvi uzturētu un atjauninātu pkgdown vietnes. Izmantojot a deploy-app.yaml failu, varat automatizēt atjauninājumu nosūtīšanas un lietotnes ShinyLive izvietošanas procesu. Taustiņu komandas, piemēram action/checkout@v3 nodrošina, ka tiek izmantots jaunākais kods no repozitorija, savukārt Shinylive specifiskā iestatīšana nemanāmi integrējas darbplūsmā. Piemēram, iedomājieties lietotnes atjaunināšanu ar jauniem filtriem vai funkcijām — šī automatizācija nodrošina, ka izmaiņas nekavējoties tiek atspoguļotas tiešsaistē, ietaupot laiku un samazinot manuālās kļūdas. ⚙️

Trešais risinājums ietver lietotnes Shiny iesaiņošanu statiskā HTML failā. Izmantojot shinylive.js, izstrādātāji var iegult lietotni tieši savā pkgdown vietnē, apejot nepieciešamību pēc aktīva R servera. Šī metode padara lietotni pieejamu lietotājiem, kuriem nav instalēta R, tādējādi uzlabojot pieejamību. Piemēram, skolotājs varētu kopīgot interaktīvu lietotni par iedzīvotāju datiem ar skolēniem, kuri tos var izpētīt tieši no savām pārlūkprogrammām. Šis risinājums ir īpaši vērtīgs lietotājiem, kas nav kodēti, jo tas pārveido sarežģītas datu kopas saistošā un izglītojošā pieredzē. 🌐

# 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>

Uzlabojiet pkgdown vietņu pieejamību un veiktspēju, izmantojot ShinyLive

Viena spēcīga izmantošanas priekšrocība ShinyLive ir tā spēja iespējot savrupu interaktivitāti, nepaļaujoties uz aktīvu R serveri. Tas padara to lieliski piemērotu lietotņu mitināšanai statiskās platformās, piemēram, GitHub Pages. Atšķirībā no tradicionālajām Shiny lietotnēm, kurām nepieciešams pastāvīgs servera atbalsts, ShinyLive pārvērš jūsu lietojumprogrammu par autonomu JavaScript komplektu. Šo komplektu var iegult tieši jūsu pkgdown vietnē, ļaujot lietotājiem nemanāmi izpētīt jūsu datu kopas no jebkuras pārlūkprogrammas. Piemēram, ja jūsu R pakotnē ir iekļauta gaisa kvalitātes metrikas datu kopa, lietotāji var dinamiski filtrēt un vizualizēt datus, neinstalējot papildu programmatūru. 🌍

Vēl viena priekšrocība ir tās pielāgošanās spēja nekodētāji. Iekļaujot tādas funkcijas kā nolaižamās izvēlnes un slīdņus, jūs izveidojat vidi, kurā ikviens var mijiedarboties ar jūsu datiem. Piemēram, veselības aprūpes speciālists varētu pārbaudīt iedzīvotāju datus, atlasot vecuma grupas vai reģionus, nerakstot nevienu koda rindiņu. ShinyLive un GitHub Pages kombinācija nodrošina, ka šīs interaktīvās funkcijas ir viegli pieejamas un intuitīvas, padarot jūsu projektu ļoti iedarbīgu plašākai auditorijai. 🧩

Turklāt ShinyLive uzlabo jūsu pkgdown vietnes veiktspēju, optimizējot resursus, kas nepieciešami lietotnes palaišanai. Tā kā visa loģika ir apkopota JavaScript valodā, lietotnes tiek ielādētas ātrāk un piedāvā vienmērīgāku interaktivitāti. Tas ir īpaši noderīgi, lai parādītu lielas datu kopas, kur diagrammu renderēšana vai filtru lietošana citādi var izraisīt aizkavi. Rezultāts ir profesionāla līmeņa lietotāja pieredze, kas atbilst mūsdienu tīmekļa standartiem un pieejamības prasībām. 🚀