GitHub पृष्ठांवर pkgdown

Gerald Girard

शनिवार, २८ डिसेंबर, २०२४ रोजी १०:४८:३८ म.पू.

ShinyLive सह नॉन-कोडर्ससाठी परस्पर क्रियाशीलता वाढवणे

GitHub पृष्ठांवर डेटासेट आणि हेल्पर फंक्शन्स होस्ट करणे संसाधने प्रवेशयोग्य बनवण्याचा एक उत्कृष्ट मार्ग आहे. R सह काम करणाऱ्या विकासकांसाठी, परस्परसंवादाचे एकत्रीकरण वापरकर्त्याची प्रतिबद्धता वाढवू शकते, विशेषत: तुमचा डेटा एक्सप्लोर करणाऱ्या नॉन-कोडर्ससाठी. अशा संवादात्मकता थेट pkgdown वेबसाइटमध्ये एम्बेड करण्यासाठी ShinyLive एक व्यावहारिक उपाय देते.

R पॅकेजेस किंवा GitHub पेजेसमध्ये चमकदार ॲप्सचा समावेश करण्यासाठी संसाधनांची उपलब्धता असूनही, शायनीलाइव्हला pkgdown वेबसाइटसह प्रभावीपणे एकत्रित करण्याबद्दल ज्ञानाचे अंतर आहे. कोणीतरी डेटासेट आणि हेल्पर फंक्शन्ससह लहान R पॅकेजेसची देखभाल करत असल्याने, डेटा एक्सप्लोरेशन अंतर्ज्ञानी आणि वापरकर्ता-अनुकूल बनवण्याचे तुमचे लक्ष्य आहे. ShinyLive हे अंतर भरू शकते.

तुमच्या pkgdown वेबसाइटच्या "लेख" विभागात चमकदार ॲप समाविष्ट करणे R पॅकेज दस्तऐवजीकरण ओव्हरलोड न करता परस्पर वैशिष्ट्ये वितरित करण्याचा एक सुव्यवस्थित मार्ग प्रदान करते. ही पद्धत सुनिश्चित करते की कोडिंगशी परिचित नसलेले वापरकर्ते देखील डेटा सहजपणे उपसमूह आणि दृश्यमान करू शकतात. हे विकसक आणि वापरकर्त्यांसाठी एकसारखेच विजय आहे! 🚀

उदाहरणार्थ, आरोग्य डेटासेटची कल्पना करा जिथे वापरकर्ते लोकसंख्येनुसार लोकसंख्या डेटा फिल्टर करू शकतात. ShinyLive वापरून, तुम्ही हे ॲप GitHub पेजेसवर तयार आणि उपयोजित करू शकता, ज्यामुळे डेटा डायनॅमिक पद्धतीने ऍक्सेस करता येईल. हा लेख तुमच्या विद्यमान ॲप सेटअपसह हे चरण-दर-चरण कसे साध्य करायचे ते एक्सप्लोर करतो. 🛠️

आज्ञा	वापराचे उदाहरण
selectInput	पर्याय निवडण्यासाठी ड्रॉपडाउन मेनू तयार करण्यासाठी चमकदार UI मध्ये वापरले जाते. उदाहरण: SelectInput("var", "व्हेरिएबल निवडा:", choices = names(mtcars)). हे व्हेरिएबल निवडीसाठी डायनॅमिक वापरकर्ता इनपुटला अनुमती देते.
sliderInput	वापरकर्त्यांना मूल्यांची श्रेणी निवडू देण्यासाठी चमकदार मध्ये स्लायडर इनपुट विजेट तयार करते. उदाहरण: sliderInput("range", "filter Range:", min = 0, max = 100, value = c(25, 75)). परस्पर फिल्टरिंगसाठी आवश्यक.
renderPlot	वापरकर्त्याच्या इनपुटवर आधारित डायनॅमिकली प्लॉट तयार करण्यासाठी चमकदार सर्व्हर लॉजिकमध्ये वापरले जाते. उदाहरण: output$plot
filter	A function from dplyr to subset data based on conditions. Example: filter(get(input$var) >अटींवर आधारित dplyr पासून उपसंच डेटापर्यंतचे कार्य. उदाहरण: फिल्टर(get(input$var) >= input$range[1]). डेटासेटवर वापरकर्ता-परिभाषित फिल्टर लागू करण्यासाठी उपयुक्त.
aes_string	ggplot2 मध्ये x आणि y अक्ष सारखे सौंदर्यशास्त्र प्रोग्रामॅटिकरित्या सेट करण्यासाठी वापरले जाते. उदाहरण: aes_string(x = input$var). डायनॅमिक प्लॉट निर्मितीसाठी आदर्श.
geom_histogram	हिस्टोग्राम व्हिज्युअलायझेशन तयार करण्यासाठी एक ggplot2 स्तर. उदाहरण: geom_histogram(bins = 10, fill = "निळा", रंग = "पांढरा"). ॲपमधील वितरण दृश्यमान करण्यासाठी उपयुक्त.
uses	पुन्हा वापरता येण्याजोग्या क्रिया निर्दिष्ट करण्यासाठी GitHub क्रियांमध्ये YAML वाक्यरचना. उदाहरण: उपयोग: actions/checkout@v3. पूर्वनिर्धारित वर्कफ्लोसह अखंड एकीकरण सुनिश्चित करते.
shinylive.js	ब्राउझरमध्ये चमकदार ॲप्स चालवण्यासाठी JavaScript लायब्ररी. उदाहरण: . स्थिर HTML पृष्ठांमध्ये चमकदार ॲप्स एम्बेड करणे सक्षम करते.
Shinylive.App	निर्दिष्ट HTML कंटेनरमध्ये एक ShinyLive ॲप आरंभ करते आणि चालवते. उदाहरण: const app = new Shinylive.App("#shiny-app");. ब्राउझर-आधारित ॲप कार्यक्षमता प्रदान करते.
sliderInput	अंकीय श्रेणी निवडीसाठी स्लाइडर इनपुट तयार करते. उदाहरण: sliderInput("range", "filter Range:", min = 0, max = 100, value = c(25, 75)). वापरकर्त्यांसाठी डायनॅमिक श्रेणी फिल्टरिंग जोडते.

Shinylive सह इंटरएक्टिव्ह डेटा एक्सप्लोरेशन टूल्स तयार करणे

R आणि Shiny वापरून तयार केलेली पहिली स्क्रिप्ट, डायनॅमिक इंटरफेस तयार करण्यावर लक्ष केंद्रित करते जे वापरकर्त्यांना परस्परसंवादीपणे डेटासेट एक्सप्लोर करण्यास अनुमती देते. द इनपुट निवडा वापरकर्त्यांना त्यांच्या गरजेनुसार ॲप तयार करून डायनॅमिकली ड्रॉपडाउन मेनूमधून व्हेरिएबल्स निवडण्यास सक्षम करण्यासाठी कमांड आवश्यक आहे. सह जोडले स्लाइडर इनपुट, वापरकर्ते डेटा फिल्टर करण्यासाठी मूल्यांची विशिष्ट श्रेणी निवडून त्यांचे अन्वेषण आणखी परिष्कृत करू शकतात. उदाहरणार्थ, डेटासेटमध्ये जसे mtcars, वापरकर्ते व्हेरिएबल म्हणून "mpg" निवडू शकतात आणि 20 आणि 30 मधील मायलेज असलेल्या कार वेगळे करण्यासाठी स्लाइडरचा वापर करू शकतात. हे संयोजन वापरकर्त्यासाठी अनुकूल आणि अंतर्ज्ञानी इंटरफेस सुनिश्चित करते. 🚀

सर्व्हर-साइड लॉजिक वापरकर्त्याच्या इनपुटवर आधारित प्रतिक्रियात्मक आउटपुट तयार करून UI ला पूरक आहे. येथे, द रेंडरप्लॉट फंक्शन महत्त्वपूर्ण आहे - ते फिल्टर केलेल्या डेटासेटवर प्रक्रिया करते आणि फ्लायवर डायनॅमिक व्हिज्युअलायझेशन तयार करते. dplyr चे एकत्रीकरण फिल्टर फंक्शन डेटासेटच्या सीमलेस सबसेटिंगला अनुमती देते, तर ggplot2 चे geom_histogram दृष्यदृष्ट्या आकर्षक आणि माहितीपूर्ण प्लॉट सुनिश्चित करते. आरोग्य डेटासेटची कल्पना करा जिथे वापरकर्ता वय श्रेणी फिल्टर करू शकेल आणि आरोग्य मेट्रिक्सचे वितरण त्वरित पाहू शकेल—ही स्क्रिप्ट विकासकांसाठी कमीतकमी प्रयत्नांसह अशी परस्परसंवाद शक्य करते.

दुसरी स्क्रिप्ट GitHub क्रिया वापरून स्वयंचलित तैनातीवर लक्ष केंद्रित करते. pkgdown वेबसाइट्स कार्यक्षमतेने राखण्यासाठी आणि अपडेट करण्यासाठी हे विशेषतः महत्वाचे आहे. वापरून ए deploy-app.yaml फाईल, आपण अद्यतने पुश करण्याची आणि ShinyLive ॲप तैनात करण्याची प्रक्रिया स्वयंचलित करू शकता. जसे की प्रमुख आज्ञा actions/checkout@v3 रेपॉजिटरीमधील नवीनतम कोड वापरला गेला आहे याची खात्री करा, तर Shinylive-विशिष्ट सेटअप वर्कफ्लोमध्ये अखंडपणे समाकलित होते. उदाहरणार्थ, नवीन फिल्टर किंवा वैशिष्ट्यांसह तुमचे ॲप अपडेट करण्याची कल्पना करा—हे ऑटोमेशन हे सुनिश्चित करते की बदल त्वरित ऑनलाइन प्रतिबिंबित होतात, वेळेची बचत होते आणि मॅन्युअल त्रुटी कमी होते. ⚙️

तिसरा उपाय म्हणजे चमकदार ॲपला स्थिर एचटीएमएल फाइलमध्ये गुंडाळणे. वापरून shinylive.js, विकासक सक्रिय R सर्व्हरची आवश्यकता सोडून, थेट त्यांच्या pkgdown वेबसाइटमध्ये ॲप एम्बेड करू शकतात. ही पद्धत R इंस्टॉल न करता वापरकर्त्यांना ऍप ऍक्सेस करण्यायोग्य बनवते, ऍक्सेसिबिलिटी वाढवते. उदाहरणार्थ, शिक्षक लोकसंख्येच्या डेटावर एक परस्परसंवादी ॲप विद्यार्थ्यांसह सामायिक करू शकतात, जे ते थेट त्यांच्या ब्राउझरवरून एक्सप्लोर करू शकतात. हे समाधान नॉन-कोडर्ससाठी विशेषतः मौल्यवान आहे, कारण ते जटिल डेटासेटला आकर्षक आणि शैक्षणिक अनुभवात रूपांतरित करते. 🌐

Shinylive वापरून pkgdown वेबसाइटमध्ये चमकदार ॲप एम्बेड करणे

उपाय 1: फ्रंटएंड आणि बॅकएंड एकत्रीकरणासाठी Shinylive सह R

# 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)

GitHub क्रिया वापरून Shinylive तैनात करणे

उपाय 2: GitHub क्रिया आणि Shinylive सह स्वयंचलित उपयोजन

१

चमकदार ॲपसाठी स्टॅटिक एचटीएमएल रॅपर जोडत आहे

उपाय 3: pkgdown एकत्रीकरणासाठी स्थिर HTML मध्ये चमकदार ॲप गुंडाळणे

< !-- 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>

ShinyLive सह pkgdown वेबसाइट्ससाठी प्रवेशयोग्यता आणि कार्यप्रदर्शन वाढवणे

वापरण्याचा एक शक्तिशाली फायदा चमकदार सक्रिय आर सर्व्हरवर विसंबून न राहता स्टँडअलोन इंटरएक्टिव्हिटी सक्षम करण्याची क्षमता आहे. हे GitHub पृष्ठे सारख्या स्थिर प्लॅटफॉर्मवर ॲप्स होस्ट करण्यासाठी योग्य बनवते. पारंपारिक चमकदार ॲप्सच्या विपरीत ज्यांना सतत सर्व्हर समर्थनाची आवश्यकता असते, ShinyLive तुमच्या अनुप्रयोगाला स्वयं-समाविष्ट JavaScript बंडलमध्ये रूपांतरित करते. हे बंडल थेट तुमच्या pkgdown वेबसाइटमध्ये एम्बेड केले जाऊ शकते, जे वापरकर्त्यांना कोणत्याही ब्राउझरवरून तुमचे डेटासेट अखंडपणे एक्सप्लोर करण्यास अनुमती देते. उदाहरणार्थ, जर तुमच्या R पॅकेजमध्ये हवेच्या गुणवत्तेच्या मेट्रिक्सचा डेटासेट समाविष्ट असेल, तर वापरकर्ते कोणतेही अतिरिक्त सॉफ्टवेअर इन्स्टॉल न करता डायनॅमिकली डेटा फिल्टर आणि व्हिज्युअलाइज करू शकतात. 🌍

आणखी एक फायदा त्याच्या अनुकूलतेमध्ये आहे कोडर नसलेले. ड्रॉपडाउन आणि स्लाइडर सारख्या वैशिष्ट्यांचा समावेश करून, तुम्ही असे वातावरण तयार करता जिथे कोणीही तुमच्या डेटाशी संवाद साधू शकेल. उदाहरणार्थ, एक आरोग्य व्यावसायिक कोडची एक ओळ लिहिल्याशिवाय वयोगट किंवा प्रदेश निवडून लोकसंख्येच्या डेटाचे परीक्षण करू शकतो. ShinyLive आणि GitHub पेजेसचे संयोजन ही परस्पर वैशिष्ट्ये सहज उपलब्ध आणि अंतर्ज्ञानी असल्याची खात्री करते, ज्यामुळे तुमचा प्रकल्प व्यापक प्रेक्षकांसाठी अत्यंत प्रभावी बनतो. 🧩

शिवाय, ॲप चालवण्यासाठी आवश्यक संसाधने ऑप्टिमाइझ करून ShinyLive तुमच्या pkgdown वेबसाइटची कार्यक्षमता वाढवते. संपूर्ण लॉजिक JavaScript मध्ये संकलित केल्यामुळे, ॲप्स जलद लोड होतात आणि सहज संवाद साधतात. हे विशेषतः मोठ्या डेटासेटचे प्रदर्शन करण्यासाठी उपयुक्त आहे, जेथे प्लॉट रेंडर करणे किंवा फिल्टर लागू करणे अन्यथा विलंब लागू शकते. परिणाम म्हणजे व्यावसायिक दर्जाचा वापरकर्ता अनुभव जो आधुनिक वेब मानके आणि प्रवेशयोग्यता अपेक्षांशी संरेखित करतो. 🚀

pkgdown वेबसाइट्सवर ShinyLive वापरण्याबद्दल वारंवार विचारले जाणारे प्रश्न

मी pkgdown वेबसाइटमध्ये चमकदार ॲप कसे एम्बेड करू?
तुम्ही वापरू शकता ShinyLive तुमचे चमकदार ॲप JavaScript बंडलमध्ये रूपांतरित करण्यासाठी आणि ते मध्ये एम्बेड करण्यासाठी १ तुमच्या pkgdown वेबसाइटचा विभाग.
ShinyLive ॲप्ससाठी लाइव्ह आर सर्व्हर असणे आवश्यक आहे का?
नाही, ShinyLive ॲप्स स्टँडअलोन आहेत आणि सक्रिय R सर्व्हरची आवश्यकता नसताना थेट ब्राउझरमध्ये चालू शकतात.
मी GitHub मध्ये बदल पुश केल्यावर मी ॲप आपोआप अपडेट करू शकतो का?
होय, तुम्ही वापरू शकता GitHub Actions तैनात स्वयंचलित करण्यासाठी. सारखे कार्यप्रवाह deploy-app.yaml हे तुमच्यासाठी हाताळू शकते.
मी कोणत्या प्रकारचे वापरकर्ता परस्परसंवाद समाविष्ट करू शकतो?
सारखी वैशिष्ट्ये जोडू शकता selectInput ड्रॉपडाउनसाठी आणि ५ तुमचा ॲप अत्यंत परस्परसंवादी बनवण्यासाठी अंकीय श्रेणींसाठी.
ShinyLive गैर-कोडर्ससाठी योग्य आहे का?
एकदम! ShinyLive गैर-कोडर्सना परस्पर विजेट्सद्वारे डेटा एक्सप्लोर करण्यास अनुमती देते, ज्यामुळे ते प्रवेशयोग्यतेसाठी एक उत्तम साधन बनते.

परस्परसंवादी डेटा एक्सप्लोरेशन सोपे केले

ShinyLive pkgdown वेबसाइट्समध्ये परस्परसंवादीता एकत्रित करण्यासाठी वापरकर्ता-अनुकूल समाधान प्रदान करते. चमकदार ॲप्सचे ब्राउझर-रेडी JavaScript बंडलमध्ये रूपांतर करून, ते सर्व कौशल्य स्तरांच्या वापरकर्त्यांसाठी आकर्षक डेटा व्हिज्युअलायझेशनचे दरवाजे उघडते. उदाहरणार्थ, लोकसंख्याशास्त्रावरील डेटासेट साध्या ड्रॉपडाउन मेनू आणि स्लाइडरसह एक्सप्लोर केला जाऊ शकतो. 🌟

GitHub क्रियांसह ShinyLive एकत्र करणे तैनाती प्रक्रिया सुव्यवस्थित करते, आपली वेबसाइट सहजतेने अद्ययावत राहते याची खात्री करते. तुम्ही डेव्हलपर किंवा डेटा प्रोफेशनल असलात तरीही, हा दृष्टिकोन तांत्रिक सामग्री आणि अंतर्ज्ञानी वापरकर्ता अनुभव यांच्यातील अंतर कमी करतो, ज्यामुळे तुमच्या डेटा स्टोरी वेब ब्राउझरमध्ये जिवंत होतात. 📊

संसाधने आणि संदर्भ

सामग्री आणि उदाहरणे अधिकृत ShinyLive दस्तऐवजीकरण आणि शिकवण्यांद्वारे प्रेरित आहेत. अधिक तपशीलांसाठी, भेट द्या ShinyLive परिचय .
उपयोजन कार्यप्रवाह मधून रुपांतरित केले जातात ShinyLive GitHub रेपॉजिटरी , ज्यामध्ये नमुना GitHub क्रिया वर्कफ्लो आणि एकत्रीकरण टिपांचा समावेश आहे.
pkgdown एकीकरण धोरण द्वारे मार्गदर्शन केले गेले pkgdown दस्तऐवजीकरण , जे R पॅकेजेससाठी दस्तऐवजीकरण वेबसाइट तयार आणि व्यवस्थापित करण्यासाठी अंतर्दृष्टी देते.
येथे थेट उदाहरण शोधून अतिरिक्त प्रेरणा मिळाली SC लोकसंख्या GitHub पृष्ठ , जे pkgdown मध्ये ShinyLive चे रिअल-वर्ल्ड ॲप्लिकेशन दाखवते.

GitHub पृष्ठांवर pkgdown वेबसाइटमध्ये ShinyLive ॲप्स समाकलित करणे