R Shiny - 如何在更新依赖反应图之前更新依赖反应 selectInput

Question

应用程序结构

我有一个闪亮的应用程序，具有典型的侧边栏面板+主面板结构。

• 侧边栏面板：侧边栏面板中有多个 selectInput 小部件，其中每个 selectInput 中的选择取决于前一个 selectInput 的选定值。（即，用户从 selectInput 1 中选择一个数据集，从 selectInput 2 中选择一个变量，其中 selectInput #2 中可用作“选项”的变量取决于输入 1 的选择）
• 主面板：有一个基本的 ggplot2 可视化，它取决于侧边栏面板中所做的 2 个输入选择（数据集和变量）。

问题

当用户在 selectInput #1 中选择新数据集时，selectInput #2（可用变量）和绘图都需要更新。我希望首先更新 selectInput #2，然后更新绘图。然而，似乎情节总是在第二个 selectInput 有机会更新之前继续更新。这会导致绘图尝试渲染无效绘图 - 即尝试使用 iris 数据集渲染 mtcars 变量的绘图，反之亦然。

有没有办法优先考虑 selectInput #2 的反应式更新发生在renderPlot 的反应式更新之前？

笔记

• 作为用户体验要求，我避免使用按钮来渲染绘图。我需要绘图根据选择实时动态更新。
• 在我的 reprex 中，我包含了打印语句来描述绘图如何尝试使用无效的选择组合进行更新。

library(shiny)
library(ggplot2)
library(dplyr)

# Define UI for application that draws a histogram
ui <- fluidPage(

    titlePanel("Reactivity Test"),

    # Sidebar with two input widgets
    sidebarLayout(
        sidebarPanel(
            selectInput(inputId = "dataset",
                        label = "Input #1 - Dataset",
                        choices = c("mtcars", "iris")),
            selectInput(inputId = "variable",
                        label = "Input #2 - Variable",
                        choices = NULL)
        ),

        # Show a plot of the generated distribution
        mainPanel(
           plotOutput("distPlot")
        )
    )
)

# Define server logic required to draw a histogram
server <- function(input, output) {
    
    input_dataset <- reactive({
        if (input$dataset == "mtcars") {
            return(mtcars)
        } else {
            return(iris)
        }
    })
    
    mtcars_vars <- c("mpg", "cyl", "disp")
    iris_vars <- c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width")

    available_vars <- reactive({
        if (input$dataset == "mtcars") {
            return(mtcars_vars)
        } else {
            return(iris_vars)
        }
    })
    
    observe({
        updateSelectInput(inputId = "variable", label = "Variable", choices = available_vars())
    })
    
    output$distPlot <- renderPlot({
        req(input$dataset, input$variable)
        print(input$dataset)
        print(input$variable)
        
        selected_dataset <- input_dataset()
        selected_variable <- input$variable
        
        filtered_data <- selected_dataset %>% select(selected_variable)

        ggplot(filtered_data, aes(x = get(selected_variable))) + 
            geom_histogram()
    })
}

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

Answer 1

您可以尝试使用该freezeReactiveValue()功能，正如 Hadley Wickham在掌握闪亮时所建议的那样。

library(shiny)
library(ggplot2)
library(dplyr)

# Define UI for application that draws a histogram
ui <- fluidPage(
  titlePanel("Reactivity Test"),
  
  # Sidebar with two input widgets
  sidebarLayout(
    sidebarPanel(
      
      selectInput(inputId = "dataset",
                  label = "Input #1 - Dataset",
                  choices = c("mtcars", "iris")),
      
      selectInput(inputId = "variable",
                  label = "Input #2 - Variable",
                  choices = NULL)
    ),
    
    # Show a plot of the generated distribution
    mainPanel(
      plotOutput("distPlot")
    )
  )
)

# Define server logic required to draw a histogram
server <- function(input, output, session) {
  
  input_dataset <- reactive({
    if(input$dataset == "mtcars") {
      return(mtcars)
    } else {
      return(iris)
    }
  })
  
  observeEvent(input$dataset, {
    freezeReactiveValue(input, "variable")
    updateSelectInput(session = session, inputId = "variable", choices = names(input_dataset()))
  })
  
  output$distPlot <- renderPlot({
    ggplot(input_dataset(), aes(x = .data[[input$variable]])) +
      geom_histogram()
  })
  
}

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