Kom igångKom igång gratis

Gör tabellen interaktiv

Datatabeller från paketet DT är ofta ett bättre sätt att visa data i en Shiny-app jämfört med de inbyggda tabellerna. Shiny-tabeller kan konverteras till datatabeller med två enkla kodändringar: i stället för tableOutput() och renderTable() använder du DT::dataTableOutput() och DT::renderDataTable(). Datatabeller har ett brett utbud av anpassningsalternativ, men vi kommer inte att använda några specialalternativ här.

Observera att konventionen med paketet DT är att inte läsa in paketet, utan i stället använda prefixet DT:: när du anropar databellfunktionerna.

Den här övningen är en del av kursen

Fallstudier: Bygg webbapplikationer med Shiny i R

Visa kurs

Övningsinstruktioner

Koden för Shiny-appen från den föregående övningen finns tillgänglig utan några ändringar. Din uppgift är att ersätta den enkla Shiny-tabellen med en DT-tabell. Mer specifikt:

  • I UI:n ersätter du tabellutdatafunktionen med DT-datatabellens utdatafunktion (rad 11).
  • I servern ersätter du tabellrenderingsfunktionen med DT-datatabellens renderingsfunktion (rad 31).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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)
Redigera och kör kod