用串扰过滤两个表

Question

我正在 R 中创建一个 Flexdashboard。我希望仪表板包含 table 和一系列可视化效果，这些可视化效果将通过输入进行过滤。

因为我需要在本地提供仪表板（后台没有服务器运行），所以我无法使用 Shiny，因此我依赖串扰。

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 <-结构（列表（所有者=结构（c（1L，2L，2L，2L，2L），.Label = c（"John"， "Mark"), class = "factor"), 马力 = c(250, 120, 250, 100, 110), 汽车 = 结构 (c(2L, 2L, 2L, 1L, 1L), .Label = c("benz", "bmw"), class = "factor"), id = 结构(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")
Datafrane 二：包含聚合数据

df2 <-结构（列表（汽车=结构（c（1L，2L，1L，2L），.Label = c（"benz"，
- "bmw"), class = "factor"), 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")

这两个数据帧包含 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填写两次基本相同的输入。此外，如果 table 很大，这将使使用仪表板所需的内存大小加倍。

是否可以解决这个串扰问题？

Answer 1

啊我最近运行也入这个了，还有一个说法要SharedData$new(..., group = )！小组论证似乎可以解决问题。当我有两个数据帧并使用 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
select 行的键 - 最好是唯一的，但不一定。
群名

我认为发生的情况是串扰通过键过滤 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，您就应该能够在一组中将它们一起过滤。

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，但没有成功，直到我找到答案。这就是为什么 plotly 有一些非常简单的情节。

Answer 2

最近也想用一个过滤器过滤2个可视化。

简单描述一下我的情况
我想使用一个过滤器来过滤箱线图和 table。
源数据是一个数据框。我想为箱线图使用一些变量，并计算一些统计数据（如均值、标准差、众数、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个关键信息可以解决这个问题
关键1)正确创建共享数据很有必要。
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，则可以使用要用作可视化源的正确共享数据。
关键 2) 创建共享数据时，使用与“Lodewic Van Twillert”在 2018 年 3 月 16 日解释的相同组参数。
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。
从确保数据框具有行名称开始，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。（我建议主要看副标题“分组”。）

步骤总结我已经习惯了上面的关键信息
关键3) 为了满足上面关键3的相关条件，这个可能有点棘手。
我选择的方法创建一个 table 包含所有数据，这个 table （数据框）将用于创建两个共享数据。
我对原始数据框 (risk_scores_df) 应用了数据操作，因此现在该数据有一个新列。
我创建了一个带有统计数据的新数据框。
我已经加入了两个数据框 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。
我运行 print(rownames(risk_scores_df)) 以确保我更新的数据框有行名称。
现在，我已经有了一个数据框，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）。
键 2) 我只是在 crosstalk::SharedData$new()
中添加了 group = "sd1" 关键 1) 如果选择了错误的方法，这个也可能很棘手。
在这里，创建正确共享数据实例的关键是将那个 table 与所有数据一起使用，并仅选择相关共享数据所需的行和列。
示例 - 在我的例子中，我在选项 1 中有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（只选择需要的行和列在 crosstalk::SharedData$new()）

  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（只选择需要的行和列在附加变量中）

  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
此时我已经创建了共享数据实例 rs_df_sd1 和 rs_df_sd1a，它们可以用作将使用 crosstalk::bscols() 过滤的可视化的主要来源。
简要示例：

  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/) but because method data() is used (see more e.g. at https://rdrr.io/cran/crosstalk/man/SharedData.html#method-data) 那么它将不适用于 crosstalk::bscols.

用串扰过滤两个表

Filter two tables with crosstalk

r

datatables

shiny

flexdashboard