R ggplot不会对选择性输入作出反应_R_Ggplot2_Shiny

R ggplot不会对选择性输入作出反应

r shiny

R ggplot不会对选择性输入作出反应,r,ggplot2,shiny,R,Ggplot2,Shiny,我正在尝试创建一个NBA投篮分析仪表板，我创建了5个变量，根据我从下载的所有NBA球队的数据框中存在的数据，按照更新对数据进行排序。因此，要在您的机器上复制此文件，您只需下载一个csv文件这是通过selectizeGroupUI和SelectiveGroupServer完成的我的问题是，当用户选择约束来子集数据时，我想从用户通过输入创建的特定子集中提取两列这样，最终的仪表板将完全基于用户输入的内容显示ggplot中的x和y坐标，我知道如何将其编码到ggplot函数本身中任何帮助都将不胜感

我正在尝试创建一个NBA投篮分析仪表板，我创建了5个变量，根据我从下载的所有NBA球队的数据框中存在的数据，按照更新对数据进行排序。因此，要在您的机器上复制此文件，您只需下载一个csv文件

这是通过selectizeGroupUI和SelectiveGroupServer完成的

我的问题是，当用户选择约束来子集数据时，我想从用户通过输入创建的特定子集中提取两列

这样，最终的仪表板将完全基于用户输入的内容显示ggplot中的x和y坐标，我知道如何将其编码到ggplot函数本身中

任何帮助都将不胜感激

#
# This is a Shiny web application. You can run the application by clicking
# the 'Run App' button above.
#
# Find out more about building applications with Shiny here:
#
#    http://shiny.rstudio.com/
#

library(shiny)
library(shinythemes)
library(plotly)
library(tidyverse)
library(rsconnect)
library(readr)
library(ggplot2)
library(plyr)
library(dplyr)
library(jpeg)
library(grid)
library(RCurl)
library(shinyWidgets)

# import all NBA teams csv files into one dataframe
mydir = "NBA Teams 2017-2018"
myfiles = list.files(path = mydir, pattern = "*.csv", full.names = TRUE)
myfiles

data_csv = ldply(myfiles, read_csv)

courtImg <- "http://robslink.com/SAS/democd54/nba_court_dimensions.jpg"
court <- rasterGrob(readJPEG(getURLContent(courtImg)),
                    width = unit(1, "npc"), height = unit(1, "npc"))

ui = pageWithSidebar(
    
    headerPanel("NBA 2017-2018 Season: Shooting Analysis"),
        
        sidebarPanel(
            
            # uiOutput("team_name"), 
            # uiOutput("name"),
            # uiOutput("shot_type"),
            # uiOutput("shot_made_flag"),
            # uiOutput("action_type")
            
            selectizeGroupUI(
                id = "my-filters",
                inline = FALSE,
                params = list(
                    team_name = list(inputId = "team_name", title = "NBA Team", placeholder = 'Select NBA Team'),
                    name = list(inputId = "name", title = "Player", placeholder = 'Select a Player'),
                    shot_type = list(inputId = "shot_type", title = "2 PT or 3 PT", placeholder = 'Select Value'),
                    shot_made_flag = list(inputId = "shot_made_flag", title = "FGA / FG", placeholder = 'Select Between All Shot Attempts or Only Shots Made'),
                    action_type = list(inputId = "action_type", title = "Shot Type", placeholder = 'Select Shot Type'))
                )
        ),
    
    mainPanel(
        #tableOutput("table"),
        plotOutput("court_plot")
    )
)

server <- function(input, output, session) {
    
    res_mod <- callModule(
        module = selectizeGroupServer,
        id = "my-filters",
        data = data_csv,
        vars = c("team_name", "name", "shot_type", "shot_made_flag", "action_type")
        )
    
    output$court_plot <- renderPlot({
        res_mod()
        ggplot(data_csv, aes(x = x, y = colory)) +
            annotation_custom(court, -250, 250, -50, 420) +
            geom_point(color = data_csv$shot_type) +
            xlim(-250, 250) +
            ylim(-50, 420)
        })

}

shinyApp(ui = ui, server = server)

#
#这是一个闪亮的web应用程序。您可以通过单击来运行应用程序
#上面的“运行应用程序”按钮。
#
#在此处了解有关使用Shining构建应用程序的更多信息：
#
#    http://shiny.rstudio.com/
#
图书馆（闪亮）
图书馆（shinythemes）
图书馆（绘本）
图书馆（tidyverse）
图书馆（rsconnect）
图书馆（readr）
图书馆（GG2）
图书馆（plyr）
图书馆（dplyr）
图书馆（jpeg）
图书馆（网格）
图书馆（RCurl）
图书馆（shinyWidgets）
#将所有NBA球队csv文件导入到一个数据帧中
mydir=“NBA球队2017-2018”
myfiles=list.files（path=mydir，pattern=“*.csv”，full.names=TRUE）
我的文件
数据\u csv=ldply（我的文件，读取\u csv）
courtImg以下是更正代码：
我将data\u I=res\u mod（）
#
# This is a Shiny web application. You can run the application by clicking
# the 'Run App' button above.
#
# Find out more about building applications with Shiny here:
#
#    http://shiny.rstudio.com/
#

library(shiny)
library(shinythemes)
library(plotly)
library(tidyverse)
library(rsconnect)
library(readr)
library(ggplot2)
library(plyr)
library(dplyr)
library(jpeg)
library(grid)
library(RCurl)
library(shinyWidgets)

# import all NBA teams csv files into one dataframe
mydir = "NBA Teams 2017-2018"
myfiles = list.files(path = mydir, pattern = "*.csv", full.names = TRUE)
myfiles

# declare csv file
data_csv = ldply(myfiles, read_csv)

# upload image of court for ggplot
courtImg <- "http://robslink.com/SAS/democd54/nba_court_dimensions.jpg"
court <- rasterGrob(readJPEG(getURLContent(courtImg)),
                    width = unit(1, "npc"), height = unit(1, "npc"))

# ui for shiny dashboard
ui = fluidPage(
  
  # change the theme to be easier on the eyes
  theme = shinytheme('darkly'),
  
    # title of shiny app
    headerPanel("NBA 2017-2018 Season: Shooting Analysis"),
        
        sidebarPanel(
            
          # create a subset of the data that changes based on user input and narrows down the choices 
            selectizeGroupUI(
                id = "my-filters",
                inline = FALSE,
                params = list(
                    team_name = list(inputId = "team_name", title = "NBA Team", placeholder = 'Select NBA Team'),
                    name = list(inputId = "name", title = "Player", placeholder = 'Select a Player'),
                    shot_type = list(inputId = "shot_type", title = "2 PT or 3 PT", placeholder = 'Select Value'),
                    shot_made_flag = list(inputId = "shot_made_flag", title = "Missed(0) or Made(1) Shot", placeholder = 'Select Between All Shot Attempts or Only Shots Made'),
                    action_type = list(inputId = "action_type", title = "Shot Type", placeholder = 'Select Shot Type'))
                ),
            status = "primary"
        ),
    
    mainPanel(
    
    # plot the court next to the user input
    plotOutput(outputId = "court_plot", width = '800px')
    )
)

# server side of the app that allows the user interactions to affect the dataframe
server <- function(input, output, session) {
    
  # allow the custom subset dataframe to be called
    res_mod <- callModule(
        module = selectizeGroupServer,
        id = "my-filters",
        data = data_csv,
        vars = c("team_name", "name", "shot_type", "shot_made_flag", "action_type")
        )
    

    # the code side of the plot that plots the users input by calling the subsetted dataframe
    output$court_plot <- renderPlot({
        data_i = res_mod()
        data_i %>% ggplot(aes(x, y)) +
            annotation_custom(court, -250, 250, -50, 420) +
            geom_point(color = data_i$shot_type) +
            xlim(-250, 250) +
            ylim(-50, 420)
        })

}

shinyApp(ui = ui, server = server)

#
#这是一个闪亮的web应用程序。您可以通过单击来运行应用程序
#上面的“运行应用程序”按钮。
#
#在此处了解有关使用Shining构建应用程序的更多信息：
#
#    http://shiny.rstudio.com/
#
图书馆（闪亮）
图书馆（shinythemes）
图书馆（绘本）
图书馆（tidyverse）
图书馆（rsconnect）
图书馆（readr）
图书馆（GG2）
图书馆（plyr）
图书馆（dplyr）
图书馆（jpeg）
图书馆（网格）
图书馆（RCurl）
图书馆（shinyWidgets）
#将所有NBA球队csv文件导入到一个数据帧中
mydir=“NBA球队2017-2018”
myfiles=list.files（path=mydir，pattern=“*.csv”，full.names=TRUE）
我的文件
#声明csv文件
数据\u csv=ldply（我的文件，读取\u csv）
#上传法庭的图像以供参考
courtImg以下是更正代码：
我将data\u I=res\u mod（）
#
# This is a Shiny web application. You can run the application by clicking
# the 'Run App' button above.
#
# Find out more about building applications with Shiny here:
#
#    http://shiny.rstudio.com/
#

library(shiny)
library(shinythemes)
library(plotly)
library(tidyverse)
library(rsconnect)
library(readr)
library(ggplot2)
library(plyr)
library(dplyr)
library(jpeg)
library(grid)
library(RCurl)
library(shinyWidgets)

# import all NBA teams csv files into one dataframe
mydir = "NBA Teams 2017-2018"
myfiles = list.files(path = mydir, pattern = "*.csv", full.names = TRUE)
myfiles

# declare csv file
data_csv = ldply(myfiles, read_csv)

# upload image of court for ggplot
courtImg <- "http://robslink.com/SAS/democd54/nba_court_dimensions.jpg"
court <- rasterGrob(readJPEG(getURLContent(courtImg)),
                    width = unit(1, "npc"), height = unit(1, "npc"))

# ui for shiny dashboard
ui = fluidPage(
  
  # change the theme to be easier on the eyes
  theme = shinytheme('darkly'),
  
    # title of shiny app
    headerPanel("NBA 2017-2018 Season: Shooting Analysis"),
        
        sidebarPanel(
            
          # create a subset of the data that changes based on user input and narrows down the choices 
            selectizeGroupUI(
                id = "my-filters",
                inline = FALSE,
                params = list(
                    team_name = list(inputId = "team_name", title = "NBA Team", placeholder = 'Select NBA Team'),
                    name = list(inputId = "name", title = "Player", placeholder = 'Select a Player'),
                    shot_type = list(inputId = "shot_type", title = "2 PT or 3 PT", placeholder = 'Select Value'),
                    shot_made_flag = list(inputId = "shot_made_flag", title = "Missed(0) or Made(1) Shot", placeholder = 'Select Between All Shot Attempts or Only Shots Made'),
                    action_type = list(inputId = "action_type", title = "Shot Type", placeholder = 'Select Shot Type'))
                ),
            status = "primary"
        ),
    
    mainPanel(
    
    # plot the court next to the user input
    plotOutput(outputId = "court_plot", width = '800px')
    )
)

# server side of the app that allows the user interactions to affect the dataframe
server <- function(input, output, session) {
    
  # allow the custom subset dataframe to be called
    res_mod <- callModule(
        module = selectizeGroupServer,
        id = "my-filters",
        data = data_csv,
        vars = c("team_name", "name", "shot_type", "shot_made_flag", "action_type")
        )
    

    # the code side of the plot that plots the users input by calling the subsetted dataframe
    output$court_plot <- renderPlot({
        data_i = res_mod()
        data_i %>% ggplot(aes(x, y)) +
            annotation_custom(court, -250, 250, -50, 420) +
            geom_point(color = data_i$shot_type) +
            xlim(-250, 250) +
            ylim(-50, 420)
        })

}

shinyApp(ui = ui, server = server)

#
#这是一个闪亮的web应用程序。您可以通过单击来运行应用程序
#上面的“运行应用程序”按钮。
#
#在此处了解有关使用Shining构建应用程序的更多信息：
#
#    http://shiny.rstudio.com/
#
图书馆（闪亮）
图书馆（shinythemes）
图书馆（绘本）
图书馆（tidyverse）
图书馆（rsconnect）
图书馆（readr）
图书馆（GG2）
图书馆（plyr）
图书馆（dplyr）
图书馆（jpeg）
图书馆（网格）
图书馆（RCurl）
图书馆（shinyWidgets）
#将所有NBA球队csv文件导入到一个数据帧中
mydir=“NBA球队2017-2018”
myfiles=list.files（path=mydir，pattern=“*.csv”，full.names=TRUE）
我的文件
#声明csv文件
数据\u csv=ldply（我的文件，读取\u csv）
#上传法庭的图像以供参考
courtImg可能ggplot2（res_mod（），…）
而不是在静态对象data_csv
上调用它？（res_mod（）
为您提供了对帧的动态查看，但我不相信它正在改变底层对象。）@r2evans我尝试过，但我在主面板上得到了“错误：参数“id”丢失，没有默认值”，应该显示ggplot。在resu mod（）之前添加browser（）
）
以便查看res\u mod（）
的外观，确保其有意义；并在本地运行此操作（未部署到RSC或其他…由rsconnect
的不必要加载推断）。另一点：您在geom_点中使用的数据\u csv$shot_type
不正确；我怀疑它应该是geom_point（aes（shot_type））
。也许ggplot2（res_mod（），…）
而不是在静态对象上调用它data_csv
？（res_mod（）
为您提供了对帧的动态查看，但我不相信它正在改变底层对象。）@r2evans我尝试过，但我在主面板上得到了“错误：参数“id”丢失，没有默认值”，应该显示ggplot。在resu mod（）之前添加browser（）
）
以便查看res\u mod（）
的外观，确保其有意义；并在本地运行此操作（未部署到RSC或其他…由rsconnect
的不必要加载推断）。另一点：您在geom_点中使用的数据\u csv$shot_type
不正确；我怀疑应该是geom_point（aes（shot_type））
。