我在R中创建一个Flexdashboard。我希望仪表板包含一个表和一系列可视化，这些可视化将通过输入进行过滤。
由于我需要在本地提供仪表板（没有服务器在后台运行），我无法使用Shiny，因此我依赖于串扰。
我知道串扰包在前端提供有限的功能。例如，文档说您无法聚合SharedData对象。
尽管如此，我不清楚我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：
Dataframe One：包含原始数据
df1＆lt; - structure（list（owner = structure（c（1L，2L，2L，2L，2L）,. Label = c（＆＃34; John＆＃34;， ＆＃34; Mark＆＃34;），class =＆＃34; factor＆＃34;），hp = c（250,120,250,100,110）， car =结构（c（2L，2L，2L，1L，1L）,. Label = c（＆＃34; benz＆＃34;， ＆＃34; bmw＆＃34;），class =＆＃34; factor＆＃34;），id = structure（1：5，.Label = c（＆＃34; car1＆＃34;， ＆＃34; car2＆＃34;，＆＃34; car3＆＃34;，＆＃34; car4＆＃34;，＆＃34; car5＆＃34;），class =＆＃34; factor＆＃34;））， .Names = c（＆＃34;所有者＆＃34;， ＆＃34; hp＆＃34;，＆＃34; car＆＃34;，＆＃34; id＆＃34;），row.names = c（NA，-5L），class =＆＃34; data.frame＆＃ 34）
Datafrane Two：包含汇总数据
df2＆lt; - 结构（列表（car =结构（c（1L，2L，1L，2L），。Label = c（＆＃34; benz＆＃34;，
这两个数据框包含具有相同值的列 - 汽车和所有者。以及其他列也是如此。
我可以创建两个不同的对象：
meteor shell而不是：
library(crosstalk)
shared_df1 <- SharedData$new(df1)
shared_df2 <- SharedData$new(df2)
但是，这意味着用户需要填写两次基本相同的输入。此外，如果表很大，这将使使用仪表板所需的内存大小加倍。
是否可以在串扰中解决此问题？
答案 0 :(得分：6)
啊我最近遇到过这个问题，<odoo>
<data>
<record model="ir.ui.view" id="invoice_form_test">
<field name="name">invoice.form.test</field>
<field name="model">account.invoice</field>
<field name="inherit_id" ref="account.invoice_form"/>
<field name="arch" type="xml">
<header position="inside">
<button type="action" string="Print Test" icon="fa-print" custom="print" />
</header>
</field>
</record>
</data>
</odoo>
还有另一个论点！小组争论似乎可以解决问题。当我有两个数据帧并使用SharedData$new(..., group = )时，我偶然发现了。
如果您创建一个sharedData对象，它将包含
我认为发生的是串扰通过密钥过滤sharedData - 对于同一组中的所有sharedData对象！因此，只要两个数据帧使用相同的密钥，您就应该能够在一个组中一起过滤它们。
这应该适用于你的例子。
group =我花了一些时间来尝试使用---
title: "blabla"
output:
flexdashboard::flex_dashboard:
orientation: rows
social: menu
source_code: embed
theme: cerulean
---
```{r}
library(plotly)
library(crosstalk)
library(tidyverse)
```
```{r Make dataset}
df1 <- structure(list(owner = structure(c(1L, 2L, 2L, 2L, 2L), .Label = c("John", "Mark"), class = "factor"), hp = c(250, 120, 250, 100, 110), car = structure(c(2L, 2L, 2L, 1L, 1L), .Label = c("benz", "bmw"), class = "factor"), id = structure(1:5, .Label = c("car1", "car2", "car3", "car4", "car5"), class = "factor")), .Names = c("owner", "hp", "car", "id"), row.names = c(NA, -5L), class = "data.frame")
df2 <- structure(list(car = structure(c(1L, 2L, 1L, 2L), .Label = c("benz",
"bmw"), class = "factor"), owner = structure(c(1L, 1L, 2L, 2L
), .Label = c("John", "Mark"), class = "factor"), freq = c(0L,
1L, 2L, 2L)), .Names = c("car", "owner", "freq"), row.names = c(NA,
-4L), class = "data.frame")
```
#
##
### Filters
```{r}
library(crosstalk)
# Notice the 'group = ' argument - this does the trick!
shared_df1 <- SharedData$new(df1, ~owner, group = "Choose owner")
shared_df2 <- SharedData$new(df2, ~owner, group = "Choose owner")
filter_select("owner", "Car owner:", shared_df1, ~owner)
# You don't need this second filter now
# filter_select("owner", "Car owner:", shared_df2, ~ owner)
```
### Plot1 with plotly
```{r}
plot_ly(shared_df1, x = ~id, y = ~hp, color = ~owner) %>% add_markers() %>% highlight("plotly_click")
```
### Plots with plotly
```{r}
plot_ly(shared_df2, x = ~owner, y = ~freq, color = ~car) %>% group_by(owner) %>% add_bars()
```
##
### Dataframe 1
```{r}
DT::datatable(shared_df1)
```
### Dataframe 2
```{r}
DT::datatable(shared_df2)
```
从plot_ly()中提取数据而没有运气，直到我找到答案。这就是为什么有一些非常简单的情节剧情的原因。
答案 1 :(得分：1)
最近，我还想使用一个过滤器来过滤 2 个可视化效果。
简要说明我的情况
我想使用一个过滤器来过滤箱线图和表格。
源数据一直是一个数据框。我想为箱线图使用一些变量，并计算一些统计数据（如均值、标准差、众数、记录数）。
我需要用来显示结果的函数：plotly::plot_ly()、DT::datatable()、crosstalk::bscols()。
我发现有3个关键信息可以解决这种情况
关键 1)正确创建共享数据是必要的。
就我而言，我不得不使用 crosstalk::SharedData$new() 两次。
如果首先满足键 2 和键 3，则可以使用正确的共享数据，用作可视化的来源。
关键 2) 创建共享数据时，使用与 2018 年 3 月 16 日解释的“Lodewic Van Twillert”相同的组参数。
键 3) 确保所有 SharedData 实例在概念上引用相同的数据点，并共享相同的键。
首先确保数据框具有行名称，即使行名称是带有数字的字符向量（如“1”、“2”...）。
用于此键 3 的文献：https://rstudio.github.io/crosstalk/using.html。 （建议主要看副标题“分组”。）
步骤总结我已经用来完成上面的关键信息
Key 3) 为了满足上述 Key 3 的相关条件，这可能很棘手。
我选择的方法创建一个包含所有数据的表，这个表（数据框）将用于创建两个共享数据。
我已经对原始数据框 (risk_scores_df) 应用了数据操作，所以现在这个数据有了一个新列。
我创建了一个带有统计信息的新数据框。
我已经加入了两个数据框使用
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。
我已运行 print(rownames(risk_scores_df)) 以确保我更新的数据框具有行名称。
现在，我有一个数据框，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）。
关键 2) 我只是在两个串扰中添加了 group = "sd1"::SharedData$new()
关键 1) 如果选择了错误的方法，这个方法也会很棘手。
在这里，创建正确共享数据实例的关键是使用包含所有数据的同一个表，并仅选择相关共享数据所需的行和列。
示例 - 就我而言，我已经在选项 1 中运行代码来创建两个共享数据实例，但选项 2 也是可能的。
选项 1（在串扰中只选择需要的行和列：::SharedData$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（在附加变量中只选择需要的行和列）
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
在这一点上，我创建了共享数据实例 rs_df_sd1 和 rs_df_sd1a，它们可以用作可视化的主要来源，这些可视化将使用 crosstalk::bscols() 进行过滤。
简单例子：
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(...（参见使用了 cells = ...；查看更多关于使用 cells 的信息，例如在 {{3 }}) 但因为使用了 method data()（更多信息，例如在 https://plotly.com/r/reference/table/ 处），那么它不会与串扰::bscols 一起使用。