IniziaInizia gratis

Le variabili reattive riducono la duplicazione del codice

Negli esercizi precedenti, il codice che filtra gapminder in base ai valori di input è duplicato tre volte: una nella tabella, una nel grafico e una nel gestore del download.

Le variabili Reactive possono essere usate per ridurre la duplicazione del codice, il che in generale è una buona idea perché semplifica la manutenzione.

Questo esercizio fa parte del corso

Casi di studio: creare applicazioni web con Shiny in R

Visualizza il corso

Istruzioni dell'esercizio

I blocchi di codice duplicati che filtravano i dati sono stati rimossi. Il tuo compito è aggiungere una variabile reattiva che filtri i dati e usare questa variabile al suo posto. In particolare:

  • Crea una variabile reattiva chiamata filtered_data usando la funzione reactive() che incorpora il codice di filtraggio dell'esercizio precedente (riga 15).
  • Usa la variabile reattiva per generare l'output della tabella, l'output del grafico e il file da scaricare (righe 33, 42 e 50).

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

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)
Modifica ed esegui il codice