Aan de slagBegin gratis

Maak de tabel interactief

Datatables uit het DT-pakket zijn vaak een betere manier om gegevens in een Shiny-app weer te geven dan de ingebouwde tabellen. Shiny-tabellen kun je met twee kleine codeaanpassingen omzetten naar datatables: in plaats van tableOutput() en renderTable() gebruik je DT::dataTableOutput() en DT::renderDataTable(). Datatables bieden veel aanpassingsmogelijkheden, maar we gebruiken hier geen speciale opties.

Let op: bij het DT-pakket is het gebruikelijk om het pakket niet te laden, maar in plaats daarvan de DT::-prefix te gebruiken wanneer je de datatable-functies aanroept.

Deze oefening maakt deel uit van de cursus

Casestudies: webapplicaties bouwen met Shiny in R

Bekijk cursus

Oefeninstructies

De code voor de Shiny-app uit de vorige codeoefening is ongewijzigd meegegeven. Jouw taak is om de basis Shiny-tabel te vervangen door een DT-tabel. Concreet:

  • Vervang in de UI de table output-functie door de DT-datatable-output (regel 11).
  • Vervang in de server de table render-functie door een DT-datatable-renderfunctie (regel 31).

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

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("download_data"),
  plotOutput("plot"),
  # Replace the tableOutput() with DT's version
  tableOutput("table")
)

server <- function(input, output) {
  filtered_data <- reactive({
    data <- gapminder
    data <- subset(
      data,
      lifeExp >= input$life[1] & lifeExp <= input$life[2]
    )
    if (input$continent != "All") {
      data <- subset(
        data,
        continent == input$continent
      )
    }
    data
  })
  
  # Replace the renderTable() with DT's version
  output$table <- renderTable({
    data <- filtered_data()
    data
  })

  output$download_data <- downloadHandler(
    filename = "gapminder_data.csv",
    content = function(file) {
      data <- filtered_data()
      write.csv(data, file, row.names = FALSE)
    }
  )

  output$plot <- renderPlot({
    data <- filtered_data()
    ggplot(data, aes(gdpPercap, lifeExp)) +
      geom_point() +
      scale_x_log10()
  })
}

shinyApp(ui, server)
Code bewerken en uitvoeren