Reactive variables

กรณีศึกษา: การสร้างเว็บแอปพลิเคชันด้วย Shiny ใน R

Dean Attali

Shiny Consultant

การซ้ำซ้อนของโค้ด

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

ซ้ำกัน 3 ครั้ง
1. renderTable()
2. renderPlot()
3. downloadHandler()

Reactive variables ช่วยลดการซ้ำซ้อนของโค้ด

โค้ดซ้ำซ้อน ⇒ ต้องดูแลหลายจุด
- เมื่อต้องอัปเดตโค้ด
- เมื่อต้องแก้บัก
ลืมแก้บางจุดได้ง่าย ทำให้เกิดบัก
ใช้ตัวแปร reactive() แทนการซ้ำซ้อนของโค้ด

Reactive variables

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()
})

การแคชของ Reactive variables

Reactive variables แคชค่าของตัวเอง
จดจำค่าที่คำนวณไว้
ไม่รันใหม่หาก dependency ไม่เปลี่ยนแปลง

การแคชของ Reactive variables

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

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

fit_model() ใช้เวลา 5 วินาที
เรียก fit_model() 2 ครั้ง = 10 วินาที

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

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

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

เรียก x() 2 ครั้ง แต่โค้ดภายใน x รันเพียงครั้งเดียว
เรียก fit_model() ครั้งเดียว = 5 วินาที

Reactive variables เป็นแบบ lazy

Lazy variable = ยังไม่คำนวณจนกว่าจะต้องการค่า

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

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

x() รันเฉพาะเมื่อมีการดาวน์โหลด ไม่ใช่ทุกครั้งที่ input$num เปลี่ยน

มาฝึกกันเถอะ!

กรณีศึกษา: การสร้างเว็บแอปพลิเคชันด้วย Shiny ใน R