R语言 将鼠标悬停在shiny上的ggplot上时的工具提示

3ks5zfa0  于 2023-09-27  发布在  其他
关注(0)|答案(4)|浏览(157)

我正在构建一个闪亮的应用程序。
我正在使用ggplot绘制图表。
当我将鼠标悬停在图形上的点上时,我希望有一个工具提示显示数据框中的一列(可自定义工具提示)
你能建议最好的前进方式吗?
简单的应用程序:

# ui.R

shinyUI(fluidPage(
 sidebarLayout(
    sidebarPanel(
        h4("TEst PLot")),
    mainPanel(
        plotOutput("plot1")
    )
)
))

# server.R

library(ggplot2)
data(mtcars)

shinyServer(
function(input, output) {
    output$plot1 <- renderPlot({
        p <- ggplot(data=mtcars,aes(x=mpg,y=disp,color=factor(cyl)))
        p <- p + geom_point()
        print(p)
    })
}
)

当我将鼠标移到这些点上时,我希望它显示mtcars$wt

mqkwyuun

mqkwyuun1#

如果我正确理解了这个问题,这可以通过最近更新ggplot 2和基本包的shiny包来实现。使用Winston Chang和Joe Cheng的http://shiny.rstudio.com/gallery/plot-interaction-basic.html示例,我能够解决这个问题。Hover现在是plotOutput()的一个输入参数,以便与verbatimTextOutput沿着添加到ui,以显示悬停点的mtcars$wt。
在服务器中,我基本上做了一个距离矢量,它计算鼠标到图中任何点的距离,如果这个距离小于3(在这个应用程序中有效),那么它会显示距离鼠标最近的点的mtcars$wt。需要明确的是,input$plot_hover返回了一个关于鼠标位置的信息列表,在这个例子中,只有x和y元素是从input$plot_hover中提取的。

library(ggplot2)
library(Cairo)   # For nicer ggplot2 output when deployed on Linux

ui <- fluidPage(
    fluidRow(
        column(width = 12,
               plotOutput("plot1", height = 350,hover = hoverOpts(id ="plot_hover"))
        )
    ),
    fluidRow(
        column(width = 5,
               verbatimTextOutput("hover_info")
        )
    )
)

server <- function(input, output) {

    output$plot1 <- renderPlot({

        ggplot(mtcars, aes(x=mpg,y=disp,color=factor(cyl))) + geom_point()

    })

    output$hover_info <- renderPrint({
        if(!is.null(input$plot_hover)){
            hover=input$plot_hover
            dist=sqrt((hover$x-mtcars$mpg)^2+(hover$y-mtcars$disp)^2)
            cat("Weight (lb/1000)\n")
            if(min(dist) < 3)
                mtcars$wt[which.min(dist)]
        }

    })
}
shinyApp(ui, server)

希望这对你有帮助!

j7dteeu8

j7dteeu82#

您还可以使用一点JQuery和条件renderUI来在指针附近显示自定义工具提示。

library(shiny)
library(ggplot2)

ui <- fluidPage(

  tags$head(tags$style('
     #my_tooltip {
      position: absolute;
      width: 300px;
      z-index: 100;
     }
  ')),
  tags$script('
    $(document).ready(function(){
      // id of the plot
      $("#plot1").mousemove(function(e){ 

        // ID of uiOutput
        $("#my_tooltip").show();         
        $("#my_tooltip").css({             
          top: (e.pageY + 5) + "px",             
          left: (e.pageX + 5) + "px"         
        });     
      });     
    });
  '),

  selectInput("var_y", "Y-Axis", choices = names(mtcars), selected = "disp"),
  plotOutput("plot1", hover = hoverOpts(id = "plot_hover", delay = 0)),
  uiOutput("my_tooltip")
)

server <- function(input, output) {

  data <- reactive({
    mtcars
  })

  output$plot1 <- renderPlot({
    req(input$var_y)
    ggplot(data(), aes_string("mpg", input$var_y)) + 
      geom_point(aes(color = factor(cyl)))
  })

  output$my_tooltip <- renderUI({
    hover <- input$plot_hover 
    y <- nearPoints(data(), input$plot_hover)[ ,c("mpg", input$var_y)]
    req(nrow(y) != 0)
    verbatimTextOutput("vals")
  })

  output$vals <- renderPrint({
    hover <- input$plot_hover 
    y <- nearPoints(data(), input$plot_hover)[ , c("mpg", input$var_y)]
    # y <- nearPoints(data(), input$plot_hover)["wt"]
    req(nrow(y) != 0)
    # y is a data frame and you can freely edit content of the tooltip 
    # with "paste" function 
    y
  })
}
shinyApp(ui = ui, server = server)

已编辑:

在这篇文章之后,我搜索了互联网,看看是否可以做得更好,并发现this精彩的ggplot自定义工具提示。我相信这是最好不过的了。

7qhs6swi

7qhs6swi3#

使用plotly,您可以将您的ggplot转换为其自身的交互式版本。只需在ggplot对象上调用函数ggplotly

library(plotly)

data(mtcars)

shinyApp(
ui <- shinyUI(fluidPage(
  sidebarLayout(sidebarPanel( h4("Test Plot")),
    mainPanel(plotlyOutput("plot1"))
  )
)),

server <- shinyServer(
  function(input, output) {
    output$plot1 <- renderPlotly({
      p <- ggplot(data=mtcars,aes(x=mpg,y=disp,color=factor(cyl)))
      p <- p + geom_point()

      ggplotly(p)
    })
  }
))

shinyApp(ui, server)

要定制工具提示中显示的内容,请查看here

4c8rllxm

4c8rllxm4#

我和我的同事一起发布了一个名为GGTips的软件包(它不在CRAN上),它可以做到这一点,在图上添加工具提示。我们创建了自己的解决方案,因为我们在使用与ggplot2不是100%兼容的plotly重新创建复杂的图时遇到了麻烦。Git repo有一个在线演示的链接。

相关问题