Как суммировать (dplyr) указанные пользователем переменные реактивно в flexdashboard / глянцевый? - PullRequest
Новая
       11

Как суммировать (dplyr) указанные пользователем переменные реактивно в flexdashboard / глянцевый?

0 голосов
/ 30 мая 2019

Я пытаюсь разработать блестящее приложение для приборной панели, которое может создавать гистограмму для различных переменных результата, которые могут быть выбраны пользователем.Для этого мне нужно подгруппировать свои данные реактивно для генерации совокупных кадров данных.Я могу получить приведенный ниже код для успешной фильтрации моих данных реактивно, но у меня возникают проблемы, когда я пытаюсь использовать dplyr::summarise() реактивно.

Вот мои данные 

dput(head(df))

structure(
    list(
      geoid = c(
        "01001020200",
        "01001020300",
        "01001020700",
        "01001020802",
        "01001021000",
        "01001021100"
      ),
      state = c(
        "Alabama",
        "Alabama",
        "Alabama",
        "Alabama",
        "Alabama",
        "Alabama"
      ),
      county = c(
        "Autauga County",
        "Autauga County",
        "Autauga County",
        "Autauga County",
        "Autauga County",
        "Autauga County"
      ),
      ozzone = structure(
        c(1L, 1L, 2L, 1L, 1L, 1L),
        .Label = c("non.oz", "oz"),
        class = "factor"
      ),
      tract_type = c(
        "LICs",
        "Contiguous",
        "LICs",
        "Contiguous",
        "Contiguous",
        "LICs"
      ),
      investment_score_1_low_10_high = c(4,
                                         6, 9, 10, 5, 6),
      socioeconomic_change_flag_1_yes_blank_no = c(0,
                                                   0, 0, 0, 0, 0),
      fips_county = c("01001", "01001", "01001", "01001",
                      "01001", "01001"),
      total_empl = c(51809L, 51809L, 51809L, 51809L,
                     51809L, 51809L),
      total_payroll = c(338395L, 338395L, 338395L,
                        338395L, 338395L, 338395L),
      total_establishments = c(5090L, 5090L,
                               5090L, 5090L, 5090L, 5090L),
      largest_employer = c(72L, 72L, 72L,
                           72L, 72L, 72L),
      largest_employer_bypayroll = c(44L, 44L, 44L,
                                     44L, 44L, 44L),
      trend_employee_change = c(
        2735.60000000046,
        2735.60000000046,
        2735.60000000046,
        2735.60000000046,
        2735.60000000046,
        2735.60000000046
      ),
      trend_payroll_change = c(
        23074.8000000037,
        23074.8000000037,
        23074.8000000037,
        23074.8000000037,
        23074.8000000037,
        23074.8000000037
      ),
      trend_establishment_change = c(
        53.4000000000084,
        53.4000000000084,
        53.4000000000084,
        53.4000000000084,
        53.4000000000084,
        53.4000000000084
      ),
      damage_cost_weather_total = c(20000, 20000, 20000, 20000,
                                    20000, 20000),
      deaths_weather_total = c(0L, 0L, 0L, 0L, 0L, 0L),
      medianrent = c(537, 633, 525, 680, 409, 303),
      vacancyrate = c(
        0.108200455580866,
        0.113652113652114,
        0.0436681222707424,
        0.0512166859791425,
        0.229962546816479,
        0.21030303030303
      ),
      total_pop = c(503, 827, 900, 2989, 740, 813),
      undertwo_percent = c(
        0.391650099403579,
        0.351874244256348,
        0.397777777777778,
        0.17096018735363,
        0.301351351351351,
        0.263222632226322
      ),
      mobility_rate = c(
        0.133702166897188,
        0.0737753882915173,
        0.196514423076923,
        0.172716680111141,
        0.0641304347826087,
        0.0681084570690769
      ),
      unemploy_rate = c(
        0.0176991150442478,
        0.0273203592814371,
        0.109881724532621,
        0.0127906976744186,
        0.0344982078853047,
        0.0281910728269381
      ),
      median_income = c(41287, 46806, 41250, 64439,
                        46607, 36450),
      renter_percent = c(
        0.337653478854025,
        0.310596310596311,
        0.331877729257642,
        0.268110942458949,
        0.328686327077748,
        0.365986394557823
      ),
      blackaa_percent = c(
        0.5451197053407,
        0.264697193500739,
        0.145906432748538,
        0.152916262243007,
        0.258583690987124,
        0.530922930542341
      ),
      hispanic_percent = c(
        0.0105893186003683,
        0.0803545051698671,
        0.0400584795321637,
        0.0137651107385511,
        0.00822603719599428,
        0.00666032350142721
      ),
      transit_score_mean = c(0, 0, 0, 0, 0, 0),
      life_expectancy = c(75.67, 75.67, 75.67, 75.67, 75.67, 75.67),
      trend_life_expectancy = c(5.1, 5.1, 5.1, 5.1, 5.1, 5.1),
      median_monthly_housing_costs = c(885,
                                       885, 885, 885, 885, 885),
      pestilence_2018 = c(2, 2, 2, 2, 2,
                          2),
      total_pop_county = c(6772, 6772, 6772, 6772, 6772, 6772),
      deaths_weather_pop = c(0, 0, 0, 0, 0, 0),
      cost_weather_pop = c(
        2.95333727111636,
        2.95333727111636,
        2.95333727111636,
        2.95333727111636,
        2.95333727111636,
        2.95333727111636
      ),
      Male_HSgrad = c(75, 68, 211, 189, 97,
                      42),
      Male_SomeCollege = c(28, 18, 51, 111, 74, 38),
      Male_AssocDeg = c(4,
                        6, 0, 63, 0, 21),
      Male_BachDeg = c(7, 9, 0, 11, 0, 9),
      Male_GradDeg = c(0,
                       0, 0, 29, 6, 0),
      MaleEduAboveHS = c(114, 101, 262, 403, 177,
                         110),
      Total_Male18.24 = c(145, 123, 285, 455, 202, 110),
      MaleEduHSAbove_pop = c(
        0.786206896551724,
        0.821138211382114,
        0.919298245614035,
        0.885714285714286,
        0.876237623762376,
        1
      ),
      Female_HSgrad = c(11, 60, 87, 156, 23, 83),
      Female_SomeCollege = c(22,
                             25, 13, 47, 54, 65),
      Female_AssocDeg = c(0, 0, 20, 82, 0,
                          0),
      Female_BachDeg = c(5, 26, 0, 19, 0, 11),
      Female_GradDeg = c(5,
                         16, 0, 0, 0, 0),
      FemaleEduAboveHS = c(43, 127, 120, 304,
                           77, 159),
      Total_Female18.24 = c(53, 127, 192, 581, 92, 198),
      FemaleEduHSAbove_pop = c(
        0.811320754716981,
        1,
        0.625,
        0.523235800344234,
        0.83695652173913,
        0.803030303030303
      )
    ),

    row.names = c(NA,
                  6L),
    class = "data.frame"
  )

Вот мой код 


#List of potential outcome variables to be plotted
variables <- c("total_empl", "total_payroll", "total_establishments", "largest_employer", "largest_employer_bypayroll", "trend_employee_change", "trend_payroll_change", "trend_establishment_change", "damage_cost_weather_total", "deaths_weather_total", "medianrent", "vacancyrate", "total_pop", "undertwo_percent", "mobility_rate", "unemploy_rate", "median_income", "renter_percent", "blackaa_percent", "hispanic_percent", "median_monthly_housing_costs", "MaleEduAboveHS_pop", "FemaleEduHSAbove_pop")



# Define inputs
selectInput('state_name', label = 'Select a state', choices = lookup)

selectInput('DV', label = 'Outcome Measure', choices = variables)

#Filter data based on the State and outcome measure the user would like to investigate.

bar <- reactive({

  st <- df %>%
        filter(state == input$state_name) 

  bp <- st %>%
        group_by(tract_type) %>%
        summarise(Outcome = mean(st[,input$DV]))

  return(bp)
})

bar

ОБНОВЛЕНИЕ Сейчас этот код успешно фильтрует данные поinput$state_name, но есть проблема с подсчетом средств.Результат таков: 

# A tibble: 2 x 2
  tract_type Outcome
  <chr>        <dbl>
1 Contiguous   468296.
2 LICs         468296.

Как видите, рассчитанные средства идентичны.Фактически, эти значения соответствуют среднему среднему значению для любой переменной, выбранной для input$DV.Следовательно, отфильтрованные данные st не были успешно сгруппированы в два уровня tract_type.

Ответы [ 2 ]

0 голосов
/ 03 июня 2019

Решение получено @ dylanvanw 

bar <- reactive({
  # Create a symbol from string.
  mean_variable <- sym(input$DV)
  bp <- df %>%
        filter(state == input$state_name) %>%
        group_by(tract_type) %>%
        summarise(Outcome = mean(!! mean_variable, na.rm = TRUE))

  return(bp)
})
0 голосов
/ 30 мая 2019

Я вижу, что вы пытаетесь сделать. Разница в том, что в вашей реактивной части вы пытаетесь вычислить среднее значение строки, которая не будет работать. То, что вы хотите сделать, это суммировать один из столбцов в df, указав имя

В следующем примере я указываю суммирующую переменную вручную. Обратите внимание, что investment_score_1_low_10_high не имеет кавычек. investment_score_1_low_10_high - это то, что называется символом в R. 

st <- df %>%
  filter(state == "Alabama") %>% 
  group_by(tract_type) %>%
  summarise(Outcome = mean(investment_score_1_low_10_high))

Но я думаю, что это должно работать: 

bar <- reactive({
  # Create a symbol from string.
  mean_variable <- sym(input$DV)
  bp <- df %>%
        filter(state == input$state_name) %>%
        group_by(tract_type) %>%
        summarise(Outcome = mean(!! mean_variable, na.rm = TRUE))

  return(bp)

Дополнительную информацию об использовании !! и о том, что он делает, можно найти здесь: Здесь

А еще лучше с примерами Здесь

...