Размещение различных элементов на отдельных вкладках
Вкладки удобны, когда содержимого слишком много и его нужно разделить. Чтобы создать вкладку, достаточно обернуть элементы UI в функцию tabPanel() и задать её название с помощью аргумента title.
Чтобы вкладки отображались в UI, панели вкладок нужно сгруппировать в контейнер — для этого все панели оборачиваются в tabsetPanel().
Ваша задача — добавить вкладки в приложение Shiny: на первой должны располагаться элементы управления и кнопка загрузки, на второй — график, на третьей — таблица. Поскольку это исключительно визуальное изменение, все правки вносятся только в часть UI.
Это упражнение является частью курса
Примеры использования: создание веб-приложений с Shiny в R
Инструкции к упражнению
- Используйте функцию
tabsetPanel(), чтобы создать контейнер для трёх панелей вкладок:- Первая вкладка для элементов управления — назовите её "Inputs".
- Вторая вкладка с графиком — назовите её "Plot" (строка 16).
- Третья вкладка с таблицей — назовите её "Table" (строка 21).
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
ui <- fluidPage(
h1("Gapminder"),
# Create a container for tab panels
___(
# Create an "Inputs" tab
tabPanel(
title = ___,
sliderInput(inputId = "life", label = "Life expectancy",
min = 0, max = 120,
value = c(30, 50)),
selectInput("continent", "Continent",
choices = c("All", levels(gapminder$continent))),
downloadButton("download_data")
),
# Create a "Plot" tab
___(
title = "Plot",
plotOutput("plot")
),
# Create "Table" tab
___(
title = ___,
DT::dataTableOutput("table")
)
)
)
server <- function(input, output) {
filtered_data <- reactive({
data <- gapminder
data <- subset(
data,
lifeExp >= input$life[1] & lifeExp <= input$life[2]
)
if (input$continent != "All") {
data <- subset(
data,
continent == input$continent
)
}
data
})
output$table <- DT::renderDataTable({
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)