Reaktiva variabler

Fallstudier: Bygg webbapplikationer med Shiny i R

Dean Attali

Shiny Consultant

Kodduplicering

data <- gapminder
data <- subset(
    data,
    lifeExp >= input$life[1] & lifeExp <= input$life[2]
)
if (input$continent != "All") {
    data <- subset(
        data,
        continent == input$continent
   )
}

Dupliceras 3 gånger
1. renderTable()
2. renderPlot()
3. downloadHandler()

Reaktiva variabler minskar kodduplicering

Duplicerad kod ⇒ flera ställen att underhålla
- När koden behöver uppdateras
- När buggar ska åtgärdas
Lätt att missa en instans, vilket leder till buggar
Använd reactive()-variabler i stället för kodduplicering

Reaktiva variabler

output$my_table <- renderTable({
    data <- gapminder
    data <- subset(
        data,
        lifeExp >= input$life[1] & lifeExp <= input$life[2]
    )
})

my_data <- reactive({

  data <- gapminder
  data <- subset(
         data,
         lifeExp >= input$life[1] & lifeExp <= input$life[2]
     )

})

output$my_table <- renderTable({
    my_data()
})

Cachning med reaktiva variabler

Reaktiva variabler cachar sina värden
Kommer ihåg sitt eget värde
Körs inte om beroenden inte förändrats

Cachning med reaktiva variabler

  output$table <- renderTable({
      fit_model(input$num)
  })

  output$plot <- renderPlot({
      ggplot(
        fit_model(input$num), ...)
  })

fit_model() tar 5s
fit_model() anropas två gånger = 10s

x <- reactive({
    fit_model(input$num)
})

output$table <- renderTable({
    x()
})

output$plot <- renderPlot({
    ggplot(x(), ...)
})

x() anropas två gånger, koden inuti x körs en gång
fit_model() anropas en gång = 5s

Reaktiva variabler är lata

Lat variabel = beräknas inte förrän värdet behövs

x <- reactive({
    fit_model(input$num)
})

output$download <- downloadHandler(
    filename = "x.csv",
    content = function(file) {
        write.csv(x(), file)
    }
)

x() körs bara när nedladdning begärs, inte varje gång input$num ändras

Nu kör vi en övning!

Fallstudier: Bygg webbapplikationer med Shiny i R