以排除所选框的方式输入复选框组

Posted 2021-05-03

嗨我正在做一个Rshiny仪表板，其中包含一组三个变量，我想将它们表示为要选择的选项。如果用户没有勾选该框，则应将其从数据文件中排除，并将其输入到群集模型中。

我很难将它连接到我的输入数据，其方式是未选择的变量被排除在模型中的数据之外：

这是示例代码 - 任何帮助表示赞赏。

  titlePanel("Customer"),

    sidebarLayout(
                  sidebarPanel(
                    sliderInput("Clusters",
                                "Number of Clusters:",
                                min = 1,
                                max = 10,
                                value = 1
                  ),

                                    checkboxGroupInput("Checkboxgroup", 
                                       h3("variable selection"), 
                                       choices = list("v1" = 1, 
                                                      "v2" = 2, 
                                                      "v3" = 3),
                                       selected = c(1, 2, 3))

    ),                  mainPanel(position="right",
                            plotOutput("distPlot", height = 500, width = 500)
                  )
    )

)

server <- function(input, output) {

data_train= data[ ,3:14]
### here is where i need to excluded the selected boxes from the data_train on the above line

 k_means=reactive({
    kmeans(data_train, centers=input$Clusters, nstart = 50)
  })


  output$distPlot <- renderPlot({

    plotcluster(data_train, k_means()$cluster)   

  })
}

# Run the application 
shinyApp(ui = ui, server = server)

答案

在我看来，你从未在服务器中使用过checkboxgroup。另外，您可以排除的变量不是checkboxgroup中的选项，而是v3。假设你只想要变量3,4和5被排除在外，我会建议一些东西。另外，我还假设您只需要变量3到14，因为它就是您所做的。

首先，您更改复选框，如下所示：

checkboxGroupInput("Checkboxgroup", 
                                       h3("variable selection"), 
                                       choices = list("v3" = 3, 
                                                      "v4" = 4, 
                                                      "v5" = 5),
                                       selected = c(3:5))

然后您可以更改定义训练集的行，如下所示：

mytrain=reactive({
vars=3:14;vars=vars[!vars%in%as.numeric(input$Checkboxgroup)]
data_train= data[ ,vars]
data_train
})

和你的分析：

k_means=reactive({
    kmeans(mytrain(), centers=input$Clusters, nstart = 50)
  })

如果我正确地理解了你的问题，那就应该这样做。