时间戳

首页 > 解决方案 > 使用 R 闪亮的应用程序创建箱线图的问题

r - 使用 R 闪亮的应用程序创建箱线图的问题

问题描述

我对 Shiny 应用程序 R 非常陌生。我正在尝试在 Shiny R 应用程序中为某些数据集制作简单的箱线图。

在这里，我在一个文件中展示了一些示例数据df.csv。数据如下所示。显示dput以下数据：

structure(list(Samples = structure(1:10, .Label = c("Sample1", 
"Sample10", "Sample2", "Sample3", "Sample4", "Sample5", "Sample6", 
"Sample7", "Sample8", "Sample9"), class = "factor"), Type = structure(c(2L, 
1L, 2L, 2L, 2L, 1L, 2L, 2L, 1L, 1L), .Label = c("Normal", "Tumor"
), class = "factor"), A1BG = c(0, 0.01869105, 0.026705782, 0.016576987, 
0, 0.007636787, 0.015756547, 0.00609601, 0.115575528, 0.04717536
), A1BG.AS1 = c(0, 0.096652515, 0.086710002, 0.04683499, 0.188283185, 
0.104318353, 0.102735593, 0.100064808, 0.04717536, 0.159745808
), A1CF = c(1.616942802, 1.367084444, 1.101855892, 1.3823884, 
0.631627098, 2.407159505, 1.687449785, 1.229844138, 0.87989414, 
0.642785868), A2M = c(3.357654845, 3.149165846, 3.654774122, 
2.851143092, 2.952601867, 4.002335454, 4.123949457, 3.691343955, 
3.553064673, 3.425443559), A2M.AS1 = c(0.217308191, 0.08268571, 
0.297320544, 0.101579093, 0.020102613, 0.35578965, 0.288014115, 
0.145352771, 0.043808388, 0.104677012), A2ML1 = c(0, 0.017949113, 
0.00984907, 0.002289616, 0, 0.002100359, 0.032146138, 0.052275569, 
0.537892142, 0), A2ML1.AS1 = c(0.631627098, 0.04717536, 1.229844138, 
0, 4.002335454, 0, 1.229844138, 1.229844138, 0.04717536, 0)), row.names = c(NA, 
-10L), class = "data.frame")

有了上述信息，我正在尝试制作一个闪亮的应用程序。我的代码如下所示：

library(shiny)

ui <- fluidPage(
  sidebarLayout(
    sidebarPanel(
      selectInput("thegene", "Gene", choices = c("A2M", "A1CF", "A2MP1"), selected = "A2M"),
      radioButtons("colour","Colour of histogram",choices=c("red","green","blue"),selected="red"),
      width = 3
    ),
    mainPanel(
      plotOutput("boxplot"),
      width = 9
    )
  )
)

server <- function(input, output) {

  df <- read.csv("df.csv")

  library(reshape2)
  library(ggplot2)
  library(ggpubr)
  library(EnvStats)

  df.m <- melt(df, c("Samples", "Type"))

  output$boxplot <- renderPlot({
    ggplot(data=df.m, aes(x = Type, y = value, fill=variable)) +
      geom_boxplot() +
      theme_bw(base_size = 14) + xlab("") + ylab("Expression logFPKM") +
      theme(axis.text=element_text(size=15, face = "bold", color = "black"),
            axis.title=element_text(size=15, face = "bold", color = "black"),
            strip.text = element_text(size=15, face = "bold", color = "black")) +
      stat_compare_means(method = "t.test", size=5) + stat_n_text()
  })

}

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

所以，我重新塑造了信息，然后尝试制作一个应用程序来为肿瘤（6 个样本）和正常（4 个样本）之间的每个基因创建一个箱线图。

我没有看到任何错误，但我也没有得到想要的结果。我上面代码的输出如下所示：

在此处输入图像描述

1）每个Type下方箱线图中的样本数是错误的。

2）对于基因的选择，我在那里只能看到三个基因。我在那里看不到其他基因。如何检查其他基因？

3）直方图的颜色也不起作用。

任何帮助表示赞赏。谢谢你。

标签： rshinystatisticsvisualizationboxplot

解决方案

尝试这个。

我做了一些更改，您可以保留一些并反转其他一些。

  1. 我没有ggpubror EnvStats，所以我删除了一些绘图摘要。
  2. 我定义了静态数据，您可能应该返回到您的read.csv解决方案。
  3. 如果您想以编程方式更新任何输入，我添加session到服务器声明中。
  4. 我有一个效率低下的反应块，它只返回所有原始数据；就目前而言，这是反惯用的，但添加只是为了演示updateSelectInput如果/当源数据发生更改时的正确使用。仅当您的数据动态更改（例如，用户上传数据或数据库查询）时才需要这样做，否则alldat()实际上应该只是df.m（并且您的输入应该静态定义）。
  5. 我更新了颜色单选按钮的使用。
library(shiny)
library(reshape2)
library(ggplot2)
library(ggpubr)
library(EnvStats)

df <- structure(list(Samples = structure(1:10, .Label = c("Sample1", 
"Sample10", "Sample2", "Sample3", "Sample4", "Sample5", "Sample6", 
"Sample7", "Sample8", "Sample9"), class = "factor"), Type = structure(c(2L, 
1L, 2L, 2L, 2L, 1L, 2L, 2L, 1L, 1L), .Label = c("Normal", "Tumor"
), class = "factor"), A1BG = c(0, 0.01869105, 0.026705782, 0.016576987, 
0, 0.007636787, 0.015756547, 0.00609601, 0.115575528, 0.04717536
), A1BG.AS1 = c(0, 0.096652515, 0.086710002, 0.04683499, 0.188283185, 
0.104318353, 0.102735593, 0.100064808, 0.04717536, 0.159745808
), A1CF = c(1.616942802, 1.367084444, 1.101855892, 1.3823884, 
0.631627098, 2.407159505, 1.687449785, 1.229844138, 0.87989414, 
0.642785868), A2M = c(3.357654845, 3.149165846, 3.654774122, 
2.851143092, 2.952601867, 4.002335454, 4.123949457, 3.691343955, 
3.553064673, 3.425443559), A2M.AS1 = c(0.217308191, 0.08268571, 
0.297320544, 0.101579093, 0.020102613, 0.35578965, 0.288014115, 
0.145352771, 0.043808388, 0.104677012), A2ML1 = c(0, 0.017949113, 
0.00984907, 0.002289616, 0, 0.002100359, 0.032146138, 0.052275569, 
0.537892142, 0), A2ML1.AS1 = c(0.631627098, 0.04717536, 1.229844138, 
0, 4.002335454, 0, 1.229844138, 1.229844138, 0.04717536, 0)), row.names = c(NA, 
-10L), class = "data.frame")
df.m <- reshape2::melt(df, c("Samples", "Type"))

ui <- fluidPage(
  sidebarLayout(
    sidebarPanel(
      selectInput("thegene", "Gene", choices = c("A2M", "A1CF", "A2MP1"), selected = "A2M"),
      radioButtons("colour","Colour of histogram",choices=c("red","green","blue"),selected="red"),
      width = 3
    ),
    mainPanel(
      plotOutput("boxplot"),
      width = 9
    )
  )
)

server <- function(input, output, session) {

  alldat <- reactive({
    # this is not an efficient use of a reactive block: since it does
    # not depend on any dynamic data, it will fire only once, so if
    # your data is static then this might be a touch overkill ... but
    # the premise is that your `df.m` is data that can change based on
    # updating it (e.g., DB query) or user-uploaded data (e.g., CSV
    # upload)
    choices <- unique(df.m$variable)
    selected <- isolate(input$thegene)
    if (!selected %in% choices) selected <- choices[1]
    updateSelectInput(session, "thegene", choices = choices, selected = selected)
    df.m
  })

  dat <- reactive({
    x <- alldat()
    x[ x$variable == input$thegene,,drop=FALSE]
  })

  output$boxplot <- renderPlot({
    ggplot(data = dat(), aes(x = Type, y = value, fill = variable)) +
      geom_boxplot() +
      theme_bw(base_size = 14) + xlab("") + ylab("Expression logFPKM") +
      theme(axis.text=element_text(size=15, face = "bold", color = "black"),
            axis.title=element_text(size=15, face = "bold", color = "black"),
            strip.text = element_text(size=15, face = "bold", color = "black")) +
      scale_fill_manual(values = input$colour)
  })

}

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

一些注释/意见：

  • 当由于过滤或用户提供的修饰符而存在动态数据时，我发现有一个仅执行过滤/修改的反应块很好，这样修改后的数据可以在多个相关的反应块中使用，ergo mydat <- reactive(...)
  • 更重要的是，我发现许多不太好的闪亮应用程序试图在单个反应块中做太多事情；当我看到很多事情发生时，我倾向于认为（a）将反应块分成更小的块，尤其是当代码在多个块中重复时；和/或 (b) 编写完成大部分工作的外部函数，以便闪亮的应用程序本身看起来更紧凑。声明性函数名称可以使可读性/可维护性更容易（并且可以进行单元测试！）。
  • 我没有为此添加任何保护措施；一种这样的保护措施（尽管此应用程序不会立即显示）将req()用于确保输入在启动期间“稳定”。对于较大的应用程序，人们可能会注意到一些反应块在（例如）input$thegene具有有效值之前触发，这可能会导致一些绘图/表格闪烁。
  • 当有一个选择输入会很快被覆盖/更新时，我通常会选择类似choices="(initializing)"或类似的东西；在这种情况下，只要这些选择很可能或肯定会出现在真实数据中，就有合理的默认选择是有意义的。

推荐阅读