如何在 r shiny 中过滤列和拟合模型答案

【问题标题】：How to filter columns and fit models in rshiny如何在 r shiny 中过滤列和拟合模型
【发布时间】：2020-12-31 19:31:25
【问题描述】：

我想仅使用选定的列将几种聚类算法拟合到我的数据集中。请在下面找到我的试用版：

    library(rshiny)
    data(mtcars)
      if (interactive()) {
  shinyApp(
    ui = fluidPage(
      sliderInput('num',label='Insert Number of clusters',value = 3,min = 2,max = 10,step = 1),
      varSelectInput("variables", "Variables:", mtcars, multiple = TRUE),
      selectInput('Model','Model:',choices = c('K-Means','Others')),
      tableOutput("data")
    ),
    server = function(input, output) {
      output$data <- renderTable({
        if (length(input$variables) == 0) return(mtcars)
        mtcars %>% dplyr::select(!!!input$variables)
        if (input$Model == 'K-means'){
          autoplot(kmeans(df_clean,input$num),data=df_clean,label=TRUE,label.size=3)
        }
      }, rownames = TRUE)
    }
  )}

这使我能够选择要拟合的模型的列和类型，但我无法在仪表板上看到聚类算法。

我们将不胜感激。

【问题讨论】：

您好，您在autoplot中提到的数据之前没有定义，我认为这可能是一个问题

标签： r shiny shinydashboard shiny-server shinyapps

【解决方案1】：

您需要区分不同种类的输出。您不能在同一输出中拥有表格输出和绘图。我举了一个例子，它如何与情节的条件面板一起工作

library(rshiny)
data(mtcars)
if (interactive()) {
  shinyApp(
    ui = fluidPage(
      sliderInput('num',label='Insert Number of clusters',value = 3,min = 2,max = 10,step = 1),
      varSelectInput("variables", "Variables:", mtcars, multiple = TRUE),
      selectInput('Model','Model:',choices = c('K-Means','Others')),
      column(
        width = 4,
        tableOutput("data")
      ),
      column(
        width = 6,
        conditionalPanel(
          condition = "input.Model == 'K-Means'",
          plotOutput("cluster")
        )
      )
    ),
    server = function(input, output) {
      
      df_clean <- reactive({
        if (length(input$variables) == 0) return(mtcars)
        mtcars %>% 
          dplyr::select(!!!input$variables)
      })
      
      output$data <- renderTable({
        df_clean()
      }, rownames = TRUE)
      output$cluster <- renderPlot({
        req(input$Model == 'K-Means')
        
        axises <- unlist(c(input$variables,"mpg", "cyl"))[1:2]
        cluster <- kmeans(df_clean(),input$num)
        ggplot(df_clean(), aes_string(x = axises[[1]],y = axises[[2]] )) +
          geom_point(colour = cluster$cluster)
      })
    }
  )}

【讨论】：