LoslegenKostenlos loslegen

Reaktive Variablen verringern Code-Duplizierung

In den vorherigen Übungen wurde der Code zum Filtern von gapminder entsprechend den Eingabewerten dreimal dupliziert: einmal in der Tabelle, einmal im Plot und einmal im Download-Handler.

Reaktive Variablen können verwendet werden, um Code-Duplizierung zu reduzieren. Das ist grundsätzlich eine gute Idee, weil es die Wartung erleichtert.

Diese Übung ist Teil des Kurses

Fallstudien: Webanwendungen mit Shiny in R erstellen

Kurs anzeigen

Anleitung zur Übung

Die duplizierten Code-Blöcke, die die Daten filtern, wurden entfernt. Deine Aufgabe ist es, eine reaktive Variable hinzuzufügen, die die Daten filtert, und stattdessen diese Variable zu verwenden. Konkret:

  • Erstelle eine reaktive Variable namens filtered_data mit der Funktion reactive(), die den Filtercode aus der vorherigen Übung verwendet (Zeile 15).
  • Nutze die reaktive Variable, um die Tabellen-Ausgabe, die Plot-Ausgabe und die Download-Datei zu erzeugen (Zeilen 33, 42 und 50).

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

ui <- fluidPage(
  h1("Gapminder"),
  sliderInput(inputId = "life", label = "Life expectancy",
              min = 0, max = 120,
              value = c(30, 50)),
  selectInput("continent", "Continent",
              choices = c("All", levels(gapminder$continent))),
  downloadButton(outputId = "download_data", label = "Download"),
  plotOutput("plot"),
  tableOutput("table")
)

server <- function(input, output) {
  # Create a reactive variable named "filtered_data"
  filtered_data <- ___({
    # Filter the data (copied from previous exercise)
    data <- gapminder
    data <- subset(
      data,
      lifeExp >= input$life[1] & lifeExp <= input$life[2]
    )
    if (input$continent != "All") {
      data <- subset(
        data,
        continent == input$continent
      )
    }
    data
  })
  
  output$table <- renderTable({
    # Use the filtered_data variable to render the table output
    data <- ___
    data
  })

  output$download_data <- downloadHandler(
    filename = "gapminder_data.csv",
    content = function(file) {
      # Use the filtered_data variable to create the data for
      # the downloaded file
      data <- ___
      write.csv(data, file, row.names = FALSE)
    }
  )

  output$plot <- renderPlot({
    # Use the filtered_data variable to create the data for
    # the plot
    data <- ___
    ggplot(data, aes(gdpPercap, lifeExp)) +
      geom_point() +
      scale_x_log10()
  })
}

shinyApp(ui, server)
Code bearbeiten und ausführen