vlambda博客
学习文章列表

「R」Shiny:响应式编程(二)响应式编程

前情

一个网页应用仅有输入控件或输出控件无疑是枯燥的。Shiny 真正的魔法在于它同时包含两者。

下面看一个简单例子:

library(shiny)

ui <- fluidPage(
textInput("name", "What's your name?"),
textOutput("greeting")
)

server <- function(input, output, session) {
output$greeting <- renderText({
paste0("Hello ", input$name, "!")
})
}

shinyApp(ui, server)

通过下面的截图我们观察向该应用输入时产生的变化。

「R」Shiny:响应式编程(二)响应式编程「R」Shiny:响应式编程(二)响应式编程「R」Shiny:响应式编程(二)响应式编程

我们可以看到,让我们在更新键入时,结果也实时地进行了更新。这是 Shiny 一个思想:我们不需要告诉它那个输出需要更新,Shiny 会自己为我们处理好这个问题。

那它是如何工作地呢?让我们进一步思考一下下面这个代码:

output$greeting <- renderText({
paste0("Hello ", input$name, "!")
})

代码可以很容易理解为将 hello 和用户输入粘贴到一起,然后发送给 output$greeting。但这样理解是有一些问题的,想象一下,如果代码真的是这样工作的,那么该代码仅仅会运行一次。然而我们在页面每一次键入都会引起 Shiny 的反应,所以 Shiny 内部必然做了更多的工作。

应用的工作原理是代码不是告诉 Shiny 创建字符串然后发送到浏览器,相反,它告知Shiny 需要时该如何创建这个字符串。代码什么时候运行取决于 Shiny。它可能在应用启动时运行,可能后面再运行,可能运行很多次,可能根本不运行。这并不是说 Shiny 很任性,而是说 Shiny 负责决定代码什么时候运行,而不是我们。更准确地说,我们编写应用是为 Shiny 提供食谱,而不是指令。

命令式编程 vs 声明式编程

食谱和指令的关键区别在于它们是两种不同的编程方式:

  • 命令式编程 - 我们发布一些指令,然后程序立即执行它。这种编程方式用于我们的分析脚本中:我们执行命令读入数据、进行转换、可视化并保存结果。
  • 声明式编程 - 我们表达高层次的目标或描述限制,然后依赖其他人决定如何以及何时将它们转换为行动。这是我们在 Shiny 中使用的编程方式。

惰性

Shiny 中声明式编程的一个优点是它允许应用非常的懒惰。Shiny 应用会尽量做最小的工作以完成对结果控件所需的更新。然而惰性也带来了重要的问题。读者能否发现下面 server 函数的问题呢?

server <- function(input, output, session) {
output$greetnig <- renderText({
paste0("Hello ", input$name, "!")
})
}

如果你仔细地观察并与上面正确的代码进行比较,你可能就会发现 greeting 写错成了 greetnig。这不会造成 Shiny 任何的错误,但它会产生我们不想要的结果。由于 greetnig 输出控件不存在,所以 renderText() 中的代码永远都不会运行!

如果你发现你的 Shiny 应用不工作,且找不出任何问题,你就需要看看是否标识符是否一致了。

响应图

Shiny 惰性有另一个重要的属性。在大多数 R 代码中,你可以通过从头到尾阅读代码搞懂程序执行的顺序。然而这在 Shiny 中是没有用的,因为 Shiny 按需运行。

为了理解执行的顺序,你需要观察 响应图,它描述了输入和输出是如何连接到一起的。上面示例的响应图非常简单。

「R」Shiny:响应式编程(二)响应式编程

对于每一个输入和输出控件,响应图都有对应的符号,当一个输出控件需要访问输入控件的数据时,我们就将它们连接起来。这个图告诉我们当 name 改变时,greeting 需要重新进行计算。也就是说,greeting (响应式)依赖于 name

为了简洁,下面的图表示相同的含义。

「R」Shiny:响应式编程(二)响应式编程

我们可以使用 reactlog 包绘制响应图。

「R」Shiny:响应式编程(二)响应式编程

一个简单示例如下:

library(shiny)
library(reactlog)

# 激活记录
options(shiny.reactlog = TRUE)

# 运行 Shiny 应用
app <- system.file("examples/01_hello", package = "shiny")
runApp(app)

# 一旦 Shiny 应用关闭,展示响应图
shiny::reactlogShow()

示例来于包文档,见 https://rstudio.github.io/reactlog/

响应表达式

响应图中一个重要组成是响应表达式,后续我们将稍微详细地介绍,现在我们将它看作一个减少代码重复地工具即可,它会在响应图中引入额外的节点。

在简单的 Shiny 应用中我们很少会用到响应表达式,这里展示一个简单的示例以帮助读者理解它是如何影响响应图的。

server <- function(input, output, session) {
text <- reactive(paste0("Hello ", input$name, "!"))
output$greeting <- renderText(text())
}

执行顺序

前面我们已经提到 Shiny 服务代码是按需运行的,也就是说 server 函数中的代码顺序不会影响结果。

server <- function(input, output, session) {
output$greeting <- renderText(text())
text <- reactive(paste0("Hello ", input$name, "!"))
}

这样的写法也是对的,不会产生任何问题。但我们也要知道,按顺序编写让我们更容易理解。但需要注意响应式代码的执行顺序是由响应图决定的,而不是它放置的顺序。

练习

为下面的 server 函数绘制响应图:

server1 <- function(input, output, session) {
c <- reactive(input$a + input$b)
e <- reactive(c() + input$d)
output$f <- renderText(e())
}
server2 <- function(input, output, session) {
x <- reactive(input$x1 + input$x2 + input$x3)
y <- reactive(input$y1 + input$y2)
output$z <- renderText(x() / y())
}
server3 <- function(input, output, session) {
d <- reactive(c() ^ input$d)
a <- reactive(input$a * 10)
c <- reactive(b() / input$c)
b <- reactive(a() + input$b)
}

有兴趣的读者可以试试,后面我们一起探讨结果。