Визуализации при помощи Shiny

2025-05-11T11:03:26.966Z

Основная информация о Shiny

Shiny — это веб-фреймворк для разработки веб-приложений, изначально на R, а с 2022 года на Python. Это мощный инструмент для визуализации данных, анализа и обмена результатами с широкой аудиторией.

Документация

Официальный сайт проекта;
Быстрый старт на языке R;
Быстрый старт на Python.

Основные компоненты Shiny

Реактивность.Когда пользователь изменяет элемент управления (например, слайдер, поле ввода), Shiny автоматически пересчитывает результаты и обновляет выходные данные (например, графики, таблицы). Это создает отзывчивый и динамичный пользовательский интерфейс.
UI (User Interface). Определяет визуальную структуру приложения. Он включает в себя элементы управления (виджеты) для ввода данных и элементы для отображения выходных данных, которые и обеспечивают реактивность запускаемых приложений.
Server. Содержит логику приложения. Здесь происходит вся тяжелая работа: обработка данных, выполнение расчетов, создание графиков и таблиц.

Применение Shiny

Визуализация данных и дашборды. Создание интерактивных дашбордов для отслеживания ключевых показателей, визуализации трендов и предоставления информации.
Интерактивный анализ данных. Позволяет пользователям проводить анализ данных, экспериментировать с параметрами и видеть результаты в реальном времени.
Образование и обучение. Создание интерактивных инструментов для обучения статистике, программированию и другим темам.
Разработка веб-приложений. Создание веб-приложений для анализа данных, моделирования и принятия решений.
Научные исследования. Позволяет ученым делиться своими исследованиями и результатами с коллегами и широкой аудиторией в интерактивном формате.

Установка Shiny

Использование на R

Перейти по ссылке и скачать установщик языка R: https://cran.rstudio.com/bin/windows/base/. После запуска установщика можно выбрать предпочитаемый язык и корневую директорию языка, после чего установить его.

Со станицы установки RStudio скачать его установщик:
https://posit.co/download/rstudio-desktop/. После его загрузки также можно выбрать корневую директорию утилиты.

Установка Shiny возможна либо через консоль, либо с помощью интерфейса среды. В первом случае необходимо открыть консоль (Console) и установить пакет:

install.packages("shiny")

Второй способ: при указании библиотеки Shiny в коде приложения RStudio сам предложит установить необходимые зависимости.

Использование на Python

pip install --upgrade pip wheel           # обновление утановщика пакетов

pip install shiny                         # установка библиотеки

pip install --upgrade shiny htmltools     # или её обновление

Онлайн редактор

Помимо локальной разработки своих приложений Shiny имеет официальный онлайн редактор, который позволяет писать код приложения Shiny на R прямо в браузере и наблюдать изменения в реальном времени.

Исходный пример в онлайн редакторе Shiny

Элементы приложения Shiny

После установки всех инструментов становится возможным создание визуализаций на Shiny. Для использования библиотеки в файле с расширением .R:

library(shiny)

Приложение Shiny создаётся вызовом функции shinyApp:

shinyApp(ui = ui, server = server)

В ней указываются 2 основных элемента:

ui - пользовательский интерфейс, определяющий инструменты ввода данных и параметров, вывода текста или визуализаций, фильтры. Все эти функции генерируют HTML-разметку.
server - логика приложения, обрабатывающая передаваемые интерфейсом данные и производящая рендер графиков.

UI

Разметку макета можно задавать несколькими функциями, которые будут задавать вёрстку и расположение её дочерних элементов. Вот основные из них:

fluidPage: создает макет, который масштабируется в зависимости от размера окна браузера. Рекомендуется для большинства приложений. Он использует систему сеток Bootstrap.
fixedPage: создает макет фиксированной ширины.
sidebarLayout: создает макет с боковой панелью и основной панелью. Принимает два аргумента: sidebarPanel и mainPanel.
Другие макеты: fillPage, splitLayout, verticalLayout .

Элементы управления ввода (input widgets) позволяют пользователям вводить данные или взаимодействовать с приложением:

textInput - текстовое поле для ввода текста.
numericInput - числовое поле для ввода чисел.
sliderInput - слайдер для выбора числового значения.
selectInput - выпадающий список для выбора из списка вариантов.
radioButtons - радиокнопки для выбора одного варианта из списка.
checkboxGroupInput - набор флажков для выбора нескольких вариантов из списка.
checkboxInput - одиночный флажок (логическое значение).
dateInput - выбор даты.
dateRangeInput - выбор диапазона дат.
fileInput - загрузка файла.
actionButton - кнопка.

Элементы вывода (output elements) отображают результаты в приложении. Связываются с Server через output$ переменную. Примеры:

plotOutput - место для отображения графика.
tableOutput - место для отображения таблицы.
dataTableOutput - место для отображения интерактивной таблицы данных.

Server

Server содержит логику приложения. Он получает входные данные от UI (input), выполняет расчеты и рендерит выходные данные для отображения в UI (output). server в коде - это R-фукнция, имеющая 2 параметра:

server <- function(input, output) {
     // Логика обработки данных
}

Функции рендеринга (rendering functions) преобразуют результаты R-кода в формат, который можно отобразить в UI. Они всегда должны быть внутри функции server.

renderPlot: рендерит график, созданный с использованием функций plot(), ggplot2 и т.д. Возвращает графический объект.
renderTable: рендерит таблицу данных (например, data.frame). Возвращает таблицу.
renderDataTable: рендерит интерактивную таблицу данных с возможностью сортировки, фильтрации и постраничной навигации (требует пакет DT). Возвращает таблицу.
renderText: рендерит текстовую строку. Возвращает строку.
renderPrint: рендерит вывод R-кода. Возвращает результат, который можно распечатать в консоли.
renderUI: рендерит UI-элементы. Используется для динамического создания UI. Возвращает HTML-код для элемента UI.
renderImage: рендерит изображение. Возвращает список, содержащий информацию об изображении (путь, mime-тип, ширина, высота).

Пример на датасете "Породы собак"

Далее будет разобран простой пример приложения Shiny с 2 визуализациями, построенными на датасете "Породы собак", а также развёрнутом в сервисе shinyapps.io.

Внешний вид получившегося приложения

Объяснение примера

Сперва, подключаются библиотеки:

library(shiny)     # Сама Shiny
library(readr)     # Библиотека для чтения датасета из файла CSV

Затем читается датасет из файла, добавляются вычисляемые поля и устанавливаются константы:

dogsData <- read_csv("dogs.csv")  # Чтение датасета из файла в той же директории, что и приложение
customFields <- c("Вес", "Рост", "Продолжительность жизни", "Стоимость")
for (field in customFields) {
  fieldMin <- paste0(field, " мин")
  fieldMax <- paste0(field, " макс")
  dogsData[field] <- (dogsData[fieldMin] + dogsData[fieldMax]) / 2  # Добавление поля из списка customFields как среднее между 2 соответствующими полями
}
dogsData[["Итоговый рейтинг"]] <- dogsData[["Рейтинг"]] - dogsData[["Антирейтинг"]]  # Вычисление поля итогового рейтинга

DOGS_TOP_DEFAULT <- 10

ui содержит разметку окна, основанную на функции fluidPage. Здесь задаётся название приложения (titlePanel), а также две визуализации, каждая из которых состоит из панели ввода (sidebarPanel) и главной панели с визуализацией (mainPanel):

ui <- fluidPage(
  titlePanel("Породы собак"),
  sidebarLayout(   # Контейнер точечного графика
    sidebarPanel(
      # выпадающие списки с ранее заданными кастомными полями в customFields
      selectInput("paramX", "Ось X:", choices = customFields, selected = customFields[1]),
      selectInput("paramY", "Ось Y:", choices = customFields, selected = customFields[2]),
      selectInput("paramSize", "Размер точек:", choices = customFields, selected = customFields[3]),
    ),
    mainPanel(
      plotOutput("scatterplot")  # тег, заменяемый в server на график (plot)
    )
  ),
  sidebarLayout(   # Контейнер столбчатой диаграммы
    sidebarPanel(
      numericInput("dogsTopCount", "Сколько пород в топе:", min = 3, max = 20, value = DOGS_TOP_DEFAULT),  # поле ввода целого числа
    ),
    mainPanel(
      plotOutput("barplot")  # такой же тег графика, но с другим id
    )
  )
)

Компонент server задаётся как функция с ссылками на объекты input и output. Через input передаются фильтры и параметры, меняющиеся в разметке ui, а в output - ссылки на объекты plotOutput.

В компоненте server отдельно обрабатываются два plotOutput. В первой части рисуется точечный график, ось X, ось Y и размер точек которого зависит от выбранных в разметке полей в выпадающих списках:

output$scatterplot <- renderPlot({  # Ссылке scatterplot из output присваивается реактивный элемент
    # Далее поле, выбранное для отображения меняюегося размера точек, нормализуется в диапазоне [1; 5]
    size_data <- dogsData[[input$paramSize]]
    min_size <- min(dogsData[[input$paramSize]], na.rm = TRUE)
    max_size <- max(dogsData[[input$paramSize]], na.rm = TRUE)
    cex_values <- (size_data - min_size) / (max_size - min_size) * 4 + 1
    
    # Объявление самого точечного графика
    plot(dogsData[[input$paramX]],   # Испольуются значения по полю input$paramX
         dogsData[[input$paramY]],   # Испольуются значения по полю input$paramY
         xlab = input$paramX, ylab = input$paramY,  # Меняются подписи осей
         cex = cex_values,  # Устанавливаются нормализованные значения размера точек
         pch = 21,          # Фигура точки - заполненная точка
         col = "black",     # Цвет границы
         bg = "blue",       # Цвет заполнения
         main = "Диаграмма рассеивания по средним показателям")  # Название графика
  })

Столбчатая диаграмма строится на основе ранее вычисленного поля "Итоговый рейтинг":

output$barplot <- renderPlot({
    dogsTopCount <- reactive({     # Переменная, хранящее количество отображаемых пород в топе
      num <- input$dogsTopCount
      if (is.na(num)) {            # Если поле в интерфейсе не заполнено, присваивается значение по умолчанию
        num <- DOGS_TOP_DEFAULT
      }
      return(num)
    })
    
    # Далее данные агрегируются по породе для правильной обработки
    agg_data <- aggregate(dogsData[["Итоговый рейтинг"]],
                          by = list(Порода = dogsData[["Порода собак"]]),
                          FUN = mean,
                          na.rm = TRUE)
    names(agg_data) <- c("Порода", "СреднийРейтинг")
    # Берутся только первые dogsTopCount пород
    topDogs <- head(agg_data[order(agg_data$СреднийРейтинг, decreasing = TRUE), ], dogsTopCount())
    topDogs <- topDogs[nrow(topDogs):1, ]
    
    # Изменение отступов графика
    par(mar = c(5, 12, 4, 2) + 0.1)
    
    barplot(topDogs$СреднийРейтинг,          # Значения - рейтинг породы
            names.arg = topDogs$Порода,      # Подписи столбцов
            horiz = TRUE,                    # Горизонтальная ориентация
            xlab = "Итоговый рейтинг",       # Подпись для оси X
            main = paste0("Топ-", dogsTopCount(), " пород"),   # Адаптивное название графика
            col = "blue",
            border = "black",
            las = 2)                         # Подписи пород горизонтальны
  })

Запуск приложения:

shinyApp(ui = ui, server = server)

Развёртывание на shinyapps.io

1. Установить библиотеку в консоли RStudio:

install.packages("rsconnect")

2. Авторизоваться на shinyapps.io.

3. Получить токен: перейти в раздел Account -> Tokens:

Блок с токеном shinyapps.io

4. При нажатии на кнопку Show можно будет скопировать строку подключения приложения Shiny к учётной записи:

Строка подключения приложения Shiny к shinyapps.io

5. Вставить в консоль RStudio скопированную строку подключения и выполнить.

6. Развернуть приложение с помощью консольной команды. Укажите полный путь к директории приложения, на Windows также экранируйте символы '\'. В этой директории должен находится app.R с полным кодом приложения, а также вспомогательный файл (для примера выше это dogs.csv):

rsconnect::deployApp("path\\to\\your\\app")

По завершении развёртывания приложение отобразится на shinyapps.io и будет доступно для просмотра и взаимодействия.

Подведение итогов

Преимущества

Использование в веб-визуализациях. Возможность браузерной реализации без знания HTML, CSS или JavaScript, и с использованием инструментария R.
Разнообразие виджетов и шаблонов. Достаточно обширный выбор UI элементов.
Возможность глубокой настройки внешнего вида.
Бесплатное размещение на shinyapps.io.

Недостатки

Использование непопулярного R.
Плохая производительность языка R.
Невозможность или большая сложность постройки сложных UI.

Максим Олифиренко