过滤两个有串扰的表

Posted 2023-03-24

【中文标题】过滤两个有串扰的表

【英文标题】：Filter two tables with crosstalk

【发布时间】：2018-07-12 21:22:38

【问题描述】：

我正在 R 中创建一个 Flexdashboard。我希望仪表板同时包含一个表格和一系列可视化，这些可视化将通过输入进行过滤。

由于我需要在本地交付仪表板（没有在后台运行服务器），我无法使用 Shiny，因此我依赖于串扰。

我知道 crosstalk 包在前端提供的功能有限。例如，文档说您不能聚合 SharedData 对象。

不过，我不清楚是否可以使用相同的输入来过滤两个不同的数据帧。

例如，假设我有：

数据框一：包含原始数据

df1

Datafrane 二：包含聚合数据

df2

“宝马”），class=“因素”），所有者=结构（c（1L，1L，2L，2L ), .Label = c("John", "Mark"), class= "factor"), freq = c(0L, 1L, 2L, 2L)), .Names = c("car", "owner", "freq"), row.names = c(NA, -4L), class= "data.frame")

这两个数据框包含具有相同值的列 - car 和 owner。此外，还有其他列。

我可以创建两个不同的对象：

library(crosstalk)
shared_df1 <- SharedData$new(df1)
shared_df2 <- SharedData$new(df2)

比：

filter_select("owner", "Car owner:", shared_df1, ~ owner)
filter_select("owner", "Car owner:", shared_df2, ~ owner)

但是，这意味着用户将需要两次填写基本相同的输入。此外，如果表很大，这将使使用仪表板所需的内存大小增加一倍。

是否有可能在串扰中解决这个问题？

【问题讨论】：

据我了解 Crosstalk，它允许从单个数据帧（共享数据）创建过滤器。为了使它在两个数据帧上工作，一个将被要求使用 joins 只创建一个 shareddata 。但是，我很想知道其他方式来做到这一点。

【参考方案1】：

啊我最近也遇到了这个，SharedData$new(..., group = )还有一个说法！群体论点似乎起到了作用。当我有两个数据框并使用group =时，我偶然发现了。

如果你创建一个 sharedData 对象，它将包含

一个数据框 选择行的键 - 最好是唯一的，但不一定。 组名

我认为发生的是串扰通过键过滤 sharedData - 对于同一组中的所有 sharedData 对象！因此，只要两个数据帧使用相同的键，您就应该能够将它们一起过滤到一组中。

这应该适用于您的示例。

---
title: "blabla"
output:
   flexdashboard::flex_dashboard:
   orientation: rows
   social: menu
   source_code: embed
   theme: cerulean
---

```r
library(plotly)
library(crosstalk)
library(tidyverse)
```

```r Make dataset
df1 <- structure(list(owner = structure(c(1L, 2L, 2L, 2L, 2L), .Label = c("John", "Mark"), class = "factor"), hp = c(250, 120, 250, 100, 110), car = structure(c(2L, 2L, 2L, 1L, 1L), .Label = c("benz", "bmw"), class = "factor"), id = structure(1:5, .Label = c("car1", "car2", "car3", "car4", "car5"), class = "factor")), .Names = c("owner", "hp", "car", "id"), row.names = c(NA, -5L), class = "data.frame")

df2 <- structure(list(car = structure(c(1L, 2L, 1L, 2L), .Label = c("benz", 
"bmw"), class = "factor"), owner = structure(c(1L, 1L, 2L, 2L
), .Label = c("John", "Mark"), class = "factor"), freq = c(0L, 
1L, 2L, 2L)), .Names = c("car", "owner", "freq"), row.names = c(NA, 
-4L), class = "data.frame")
```

#

##

### Filters

```r
library(crosstalk)
# Notice the 'group = ' argument - this does the trick!
shared_df1 <- SharedData$new(df1, ~owner, group = "Choose owner")
shared_df2 <- SharedData$new(df2, ~owner, group = "Choose owner")

filter_select("owner", "Car owner:", shared_df1, ~owner)
# You don't need this second filter now
# filter_select("owner", "Car owner:", shared_df2, ~ owner)
```

### Plot1 with plotly

```r
plot_ly(shared_df1, x = ~id, y = ~hp, color = ~owner) %>% add_markers() %>% highlight("plotly_click")
```

### Plots with plotly

```r
plot_ly(shared_df2, x = ~owner, y = ~freq, color = ~car) %>% group_by(owner) %>% add_bars()
```

##

### Dataframe 1

```r
DT::datatable(shared_df1)
```

### Dataframe 2

```r
DT::datatable(shared_df2)
```

我花了一些时间尝试使用plotly_data() 从plot_ly() 中提取数据，但没有找到答案。这就是为什么有一些非常简单的情节与情节。

【讨论】：

这太棒了。感谢您的帮助！

很好的答案！如果你有时间可以看看我的问题吗？ ***.com/questions/66699881/interactive-plots-in-r谢谢

【参考方案2】：

最近，我还想使用一个过滤器来过滤 2 个可视化。

简要说明我的情况 我想使用一个过滤器来过滤箱线图和表格。 源数据一直是一个数据框。我想为箱线图使用一些变量并计算一些统计数据（如平均值、标准差、模式、记录数）。 我需要用来显示结果的函数：plotly::plot_ly()、DT::datatable()、crosstalk::bscols()。

我发现有3个关键信息来解决这种情况关键1）必须正确创建共享数据。 就我而言，我不得不使用 crosstalk::SharedData$new() 两次。 如果首先满足键 2 和 3，则可以使用正确的共享数据，用作可视化的源。 关键 2) 创建共享数据时，使用与 2018 年 3 月 16 日解释的“Lodewic Van Twillert”相同的组参数。关键 3) 确保所有 SharedData 实例在概念上都引用相同的数据点，并共享相同的键。 首先确保数据框具有行名称，即使行名称是带有数字的字符向量（如“1”、“2”、...）。 此键 3 的使用文献：https://rstudio.github.io/crosstalk/using.html。 （我建议主要阅读副标题“分组”。）

步骤摘要我已经用来满足上述关键信息关键3）为了满足关键3的相关条件，这可能会很棘手更多。 我选择的方法创建了一个包含所有数据的表，该表（数据框）将用于创建两个共享数据。 我已经对原始数据框（risk_scores_df）应用了数据操作，所以现在这个数据有一个新列。 我创建了一个带有统计信息的新数据框。 我已经使用加入了两个数据框 risk_scores_df <- dplyr::left_join... 所以现在原始数据框包含所有准备好的数据。 我已经运行print(rownames(risk_scores_df)) 以确保我更新的数据框具有行名。 现在，我有一个数据框，其中包含满足上述关键 3 信息条件的所有数据（两种可视化都需要）。 Key 2) 我只是在两个 crosstalk::SharedData$new() 中添加了 group = "sd1" Key 1) 这个也可能很棘手如果选择了错误的方法。 在这里，创建正确共享数据实例的关键是使用一个包含所有数据的表，并仅选择相关共享数据所需的行和列。 示例 - 就我而言，我在选项 1 中运行代码来创建两个共享数据实例，但选项 2 也是可能的。

选项 1（在 crosstalk::SharedData$new() 中只选择需要的行和列）

  rs_df_sd1 <- crosstalk::SharedData$new(
    risk_scores_df[, c(1, 2, 5)],
    group = "sd1"
  )
  rs_df_sd1a <- crosstalk::SharedData$new(
    risk_scores_df[risk_scores_df$NumRecords > 0 &
                   is.na(risk_scores_df$NumRecords) == F,
                   c(1, 6:11)],
    group = "sd1"
  )

选项 2（仅在附加变量中选择需要的行和列）

  sd1 <- risk_scores_df[, c(1, 2, 5)]
  sd1a <- risk_scores_df[risk_scores_df$NumRecords > 0 &
                         is.na(risk_scores_df$NumRecords) == F,
                         c(1, 6:11)]

  rs_df_sd1 <- crosstalk::SharedData$new(sd1, group = "sd1")
  rs_df_sd1a <- crosstalk::SharedData$new(sd1a, group = "sd1")

完成解决方案 至此，我创建了共享数据实例 rs_df_sd1 和 rs_df_sd1a，它们可用作可视化的主要来源，将使用 crosstalk::bscols() 进行过滤。 简单例子：

  box_n_jitter_chart1 <- plotly::plot_ly(rs_df_sd1) %>% add_trace(...
  DT_table1 <- DT::datatable(rs_df_sd1a)
  crosstalk::bscols(
    widths = c(6, 12, NA),
    crosstalk::filter_select(
      id = "idAvgRisk",
      label = "Account",
      sharedData = rs_df_sd1,
      group = ~Account,
      multiple = F
    ),
    box_n_jitter_chart1,
    DT_table1
  )

注意：DT::datatable() 也可以使用rs_df_sd1a$data() 和cells = list(values = base::rbind(...（请参阅使用cells = ...；查看有关使用cells 的更多信息，例如https://plotly.com/r/reference/table/）但是因为使用了method data() （请参阅 https://rdrr.io/cran/crosstalk/man/SharedData.html#method-data 的更多信息）然后它不适用于 crosstalk::bscols。