前情提要

• 在上這節課之前，我們假設你已經有這些能力了：

– 了解App的基本架構(ui.R和server.R)

– 增加控制區參數

– 分享你的App至網路上

– 將控制區隨著使用者設定的參數而改變(如果你上次回家有自己看的話)

函數: conditionalPanel()

• 今天的課程我們將會依據步驟完成這些部份：

– 讓你的App可以接受使用者上傳的檔案

– 簡單的R分析

– 使控制區的參數隨著Server端的狀況而改變

函數: renderUI()

這節課的目標

• 在這節課結束時，你可能能寫出像這樣的App。

– 請點這裡下載測試檔案

連結失效請點這裡

Topic 1 - 讓你的App可以接受使用者上傳的檔案

• R裡面要讀取檔案，主要是利用read.table()。

– 我們先練習讀取剛剛下載的範例檔(以下範例使用之路徑為“d:/CLTdata.txt”，請自行變更至適合的位置)

Data=read.table("d:/CLTdata.txt",header=TRUE) #讀取CLTdata.txt，並存成"Data"這個物件(資料表格式)
head(Data,10) #看"Data"這個資料表的前10個row
summary(Data) #看"Data"這個資料表的所有變項的基本資訊

• 所以，我們將寫出一個簡單的App，只使用上面這些函數，讓使用者只要上傳檔案，就能看到他所上傳的資料之所有變項的基本資訊，像是這樣。

連結失效請點這裡

Topic 1 - 內部函數

• ui.R

library(shiny)

shinyUI(pageWithSidebar(
  
  headerPanel("Summarize your data"), 
  
  sidebarPanel(
    fileInput(inputId="files", label=h4("Upload your data file:"), multiple=FALSE, accept="text/plain"),
    helpText("Note: you only can upload the .txt file."),
    sliderInput("n", h4("Select the observed rows:"), min=5, max=20, value=10)
  ),
    
  mainPanel(
    verbatimTextOutput("summary"),  
    tableOutput("view")  
  )  
  
))

• server.R

library(shiny)

shinyServer(function(input, output) {
    
  output$summary = renderPrint({
    if (is.null(input$files)==TRUE) {return("You have to up load your data!!!")}
    if (is.null(input$files)==FALSE) {
      dat <- read.table(input$files$datapath,header=T)
      summary(dat)                     
    }        
  })
  
  output$view = renderTable({
    if (is.null(input$files)==TRUE) {return()}
    if (is.null(input$files)==FALSE) {
      dat <- read.table(input$files$datapath,header=T)
      head(dat,input$n)                     
    }        
  })
  
})

練習-1

• 還記得如何輸出圖形嗎? 你可能會用到下面三個函數:

– radioButtons() in ui.R(單選題)

– plotOutput() in ui.R(輸出圖形)

– renderPlot() in server.R(處理圖形)

• 下面這張圖是各變項之間的相關散佈圖，他是透過這個程式碼完成的(請在R Console之內試試看)

Data=read.table("d:/CLTdata.txt",header=TRUE) #讀取CLTdata.txt，並存成"Data"這個物件(資料表格式)
head(Data,10) #看"Data"這個資料表的前10個row
summary(Data) #看"Data"這個資料表的所有變項的基本資訊

Color="red"
plot(Data,col=Color)

• 請試著完成剛剛所學的App，並且利用上節課學到的技術，在裡面加入這張可以選顏色的圖，像下面這個App

連結失效請點這裡

Topic 2 - 簡單的R分析

• 這次我們換下載一個範例檔，這個資料檔是拿來做ttest或linear regression的。

– 請點這裡下載測試檔案

• 下載完後，我們先用老方法看一下這個資料是什麼樣子

test1=read.table("d:/ttest.txt",header=TRUE) #讀取ttest.txt，並存成"test1"這個物件(資料表格式)
head(test1,10) #先簡單看下這個資料的樣子
summary(test1) #看"test1"這個資料表的所有變項的基本資訊

Topic 2 - t test & linear regression

• 很明顯，這次的X是一個二類別變項，而Y是一個連續變項。

– 所以，我們可能要做一個Student t test，或是一個linear regression。

Result1=t.test(Y~X,data=test1,var.equal=TRUE) #Student t test
Result1

Result2=lm(Y~X,data=test1) #linear regression test
Result2
summary(Result2)

• 但是，我們可能會發現我們違反了Student t test/linear regression的基本assumption，那就是次組內的變異/殘差必須要呈常態分布

test1_0=test1[test1$X==0,]
test1_1=test1[test1$X==1,]

par(mfrow=c(1,2))
hist(test1_0$Y,col="red",xlab="Y",main="Histogram of Group 0")
hist(test1_1$Y,col="blue",xlab="Y",main="Histogram of Group 1")

Topic 2 - t test & linear regression (續)

• 一種常見的分析手法是，將Y取自然對數後再進行分析看看

test1$logY=log(test1$Y)
head(test1,10)

test1_0=test1[test1$X==0,]
test1_1=test1[test1$X==1,]

par(mfrow=c(1,2))
hist(test1_0$logY,col="red",xlab="log of Y",main="Histogram of Group 0")
hist(test1_1$logY,col="blue",xlab="log of Y",main="Histogram of Group 1")

• 我們可能會發現這好多了，所以再做一次檢定

Result1=t.test(logY~X,data=test1,var.equal=TRUE) #Student t test
Result1

Result2=lm(logY~X,data=test1) #linear regression test
Result2
summary(Result2)

• 當然，也許你會懶得做指數轉換，直接用無母數檢定(如U test)

Result3=wilcox.test(Y~X,data=test1)
Result3

練習-2

• 所以，現在我們要練習做一個App，他必須有下列功能：

– 使用者若上傳一個檔案(.txt file)，其中若有個變項叫做X，另外個變項叫做Y，就可以進行分析

– 使用者可以有2個以上的選擇，來對資料進行分析

– 如果可以的話，設置一個按鍵功能，讓使用者能在懶惰的時候選擇無母數檢定(這可能需要用到conditionalPanel()函數)

• 完成後，請點這裡下載測試檔案

連結失效請點這裡

Topic 3 - 使控制區的參數隨著Server端的狀況而改變

• 完成剛剛的工作之後，現在我們面臨一個問題，那就是使用者上傳的檔案其變項名稱一定要與我們預期的變項名稱相同(如上個例子中的X與Y)

– 所以，如果可以的話，我們希望左側的控制區可以出現一個選單，列出使用者所上傳的檔案的所有的變項名稱，並且讓使用者能選擇他的自變項&依變項。

– 請點這裡下載測試檔案

• 下載完後，我們還是用老方法看一下這個資料是什麼樣子

test2=read.table("d:/Topic3.txt",header=TRUE) #讀取Topic3.txt，並存成"test2"這個物件(資料表格式)
head(test2,10) #先簡單看下這個資料的樣子
summary(test2) #看"test1"這個資料表的所有變項的基本資訊

– 還記得如何做linear regression吧？

Result=lm(Weight~Height,data=test2) #linear regression test
Result
summary(Result)

– 畫張散佈圖吧！

plot(test2$Height,test2$Weight,pch=19)
abline(lm(Weight~Height,data=test2))

Topic 3 - 選擇變數的技巧

• 事實上，還有很多種手段能做到類似的事情

test2=read.table("d:/Topic3.txt",header=TRUE) #讀取Topic3.txt，並存成"test2"這個物件(資料表格式)
colnames(test2)  # 列出所有的欄位名稱
colnames(test2)[1] # 列出第一個欄位名稱
colnames(test2)[4] # 列出第四個欄位名稱(依此類推)

• 在分析端也可以這樣選變項

Result1=lm(test2[,"Weight"]~test2[,"Height"])
summary(Result1)

• 所以，我們將可以利用上面這個技巧，做出像這樣的App：

連結失效請點這裡

Topic 3 - 內部函數

• ui.R

library(shiny)

shinyUI(pageWithSidebar(
  
  headerPanel("Linear regression for two continuous variables."), 
  
  sidebarPanel(
    fileInput(inputId="files", label=h4("Upload your data file:"), multiple=FALSE, accept="text/plain"),
    helpText("Note: you only can upload the .txt file."),
    uiOutput("choose_columns1"),   #這裡是關鍵
    uiOutput("choose_columns2")    #這裡是關鍵
  ),
    
  mainPanel(
    verbatimTextOutput("summary"),
    plotOutput("plot",width = "500px", height = "500px")
  )  
  
))

• server.R

library(shiny)

shinyServer(function(input, output) {
  
  output$choose_columns1 <- renderUI({  #這裡是關鍵
    if (is.null(input$files)) {return()}
    if (is.null(input$files)==FALSE) {
      dat <- read.table(input$files$datapath,header=T)
      colnames <- colnames(dat)
      radioButtons("Y", h4("Choose a dependence variable:"), choices = colnames)
    }
  })
  
  output$choose_columns2 <- renderUI({ #這裡是關鍵
    if (is.null(input$files)) {return()}
    if (is.null(input$files)==FALSE) {
      dat <- read.table(input$files$datapath,header=T)
      colnames <- colnames(dat)
      radioButtons("X", h4("Choose a independence variable:"), choices = colnames)
    }
  })
    
  output$summary <- renderPrint({
    if (is.null(input$files)==TRUE) {return(cat("You have to upload your file."))}
    if (is.null(input$files)==FALSE) {
      dat <- read.table(input$files$datapath,header=T)
      X <- dat[,input$X]  #這裡是關鍵
      Y <- dat[,input$Y]  #這裡是關鍵
      Result=lm(Y~X)
      return(summary(Result))      
    }        
  })
  
  output$plot <- renderPlot({
    if (is.null(input$files)==TRUE) {return()}
    if (is.null(input$files)==FALSE) {  
      dat <- read.table(input$files$datapath,header=T)
      X <- dat[,input$X]  #這裡是關鍵
      Y <- dat[,input$Y]  #這裡是關鍵
      plot(X,Y,pch=19)
      abline(lm(Y~X),col="black")         
    }        
  })
  
})

練習-3 (基礎版)

• 兩個連續變項，除了能做linear regression之外，還有Correlation可以做。

Result1=cor.test(test2[,"Weight"],test2[,"Height"],method="pearson") # Pearson correlation
Result1

Result2=cor.test(test2[,"Weight"],test2[,"Height"],method="spearman") # Spearman correlation
Result2

• 免不了的，我們必須設計一個選單，讓使用者能指定要使用Pearson correlation還是Spearman correlation

– 當然，能讓使用者改個顏色也是必須的…

連結失效請點這裡

練習-3 (進階版)

• 當然，為了避免高手不屑，這理準備了專家版的題目：

– 請點這裡下載測試檔案

• 上週三的三.四節，我們學到了如何進行meta analysis，並且知道怎樣畫出森林圖以及漏斗圖

– 專家版的題目就是設計一個App，讓使用者上傳他的表格後，可以選擇輸出森林圖/漏斗圖！

你可能會用到這些指令：

metadata=read.table("d:/Folic acid.csv",sep=",",header=TRUE)
library(meta)
Result=metabin(metadata[,"ev.trt"],metadata[,"n.trt"],metadata[,"ev.ctrl"],metadata[,"n.ctrl"],
studlab=metadata[,"name"],sm="RR",method.tau="DL")
forest(Result)
funnel(Result)

• 最後你也許能做成這樣：

連結失效請點這裡

家庭作業&持續學習

• 本次的家庭作業，我希望你們可以自己寫一個App，讓使用者可以上傳他的Data，然後讓你可以幫他進行一些運算(或繪圖)。

– 除此之外，希望你能將你的成果上傳到網路上！

• 另外，在這兩堂課程內，你們已經學會了基本的WebApp撰寫方法，我希望這能夠激起你們的興趣，如果你需要更高階的應用，可以參考Shiny的官方網站：