打從 2012 年下半首次亮相開始，在玩 R 的資料科學社群當中，出現了一個人人都在談論、場場都在介紹的套件：Shiny 。這個由 R 相關的新創團隊 R Studio 所開發的套件，如今在許多企業( 最近就聽說過包括 ebay 在內的幾間知名廠商)的內部研究專案中都扮演著 prototype 生產器的重要角色。
Shiny 到底是做什麼的？為什麼可以讓許多使用者趨之若鶩？
不囉嗦，直接來看例子：
互動式網頁的最大特色是根據使用者在互動式選單的選擇不同，會即時反映出運算結果，而在 Shiny 當中，則是實現了 R 的繪圖功能網頁化，而且也支援同樣火熱的繪圖套件 ggplot2。
由於透過 Shiny 產生的圖表背後是由 R 的程式來實現，因此你可以輸入靜態的資料表，也可以用來呈現 data-mining 後的演算結果。雖然動態運算 ETL (Extract, Transform, Load) 並不是 Shiny 的強項，但其實你也可以透過一些小技巧來呈現 real-time 商業智慧報表，有興趣的讀者可以參考這一串 google 論壇上關於 Shiny ETL 的討論。
不過，這些還不能說明 Shiny 的真正好處，假如要做到上述的應用程式，只要有熟悉網頁技術的工程師搭配都能夠做得出來，而 Shiny 所提供的則是「不需要 html 或者 css 的先備知識」以及「5 分鐘完成程式部署」的簡單特性。
對於資料分析者而言，這真是再好不過的幫手了。
R studio 提供了兩種方式進行部署，一種是透過 Shiny Server ，另外一種則是藉由 Shinyapps.io 的服務來實現，兩個方式的主要差別在於在 Shiny Sever 中你可以同時運行多支應用程式，而 Shinyapps.io 一次只能啟用一個。
假如你想要搭配使用者登入的功能，可以進一步參考 Pro 版的 Shiny Sever 或 Shinyapps.io 。
以下舉 Shinyapps.io 為例，上架一支官方的 sample code：
首先，進入 R studio 編輯器，在這裡你會需要先設定一個工作資料夾，以及兩個 script 檔案：「ui.R」、「server.R」。這兩個檔案就是 Shiny 的核心， ui.R 的條件將決定終端頁面的形式， sever.R 則是運算程式與 UI 之間的溝通橋梁。
對於這兩個檔案的細部說明有興趣的讀者請參閱這篇 Shiny 教學，本文就略過不提，直接進行後面部署相關的程序。
直接登入 Shinyapps.io 網站：
在左方的選單找到 Account：
點選 Acoount ，選擇 Tokens ，建立一個新的 Token，點選該 Token 會出現以下畫面：
接著點選「copy to clipboard」，把該程式碼複製下來，貼到 R 命令列中執行。
請注意 Shinyapps 只支援 3.0.0 以上的版本，另外除了 Shiny 本身之外，也要記得先安裝 Shinyapps 套件，或者輸入以下程式碼進行安裝：
if (!require(“devtools")) install.packages(“devtools") devtools::install_github(“rstudio/shinyapps")
別忘了也要安裝「ggplot2」以及「shiny」套件：
install.packages(c(‘ggplot2’, ‘shiny’))
在正式上場之前，記得先用 library() / require() 功能載入各套件，接著才能使用 deploy(“APP名稱") 部署 APP。
deployApp()
什麼是 APP 的名稱呢？其實就是存放「ui.R」、「server.R」的資料夾囉！若是已經設定該資料夾為工作區域，可以直接呼叫該名稱，不然就得指定完整的路徑才行。完成之後，就能夠隨時隨地透過網路存取互動式的資訊圖表囉！
更多內容，可以參考這篇部署 Shiny 的官方教學文章。
假如對於 Shiny 的例子還看不過癮，ShowMeShiny 以及 Shiny User Showcase 中還有許多精彩範例可以參考。
更多資料分析及 R 相關文章：
＊ 統計R語言實作筆記系列 – R的字串處理：GREP套件包(GREP、GREPL、REGEXPR、GREGEXPR、REGEXEC)
＊ 統計R語言實作筆記系列 – 2D視覺化進階 GGPLOT()的基本架構(一)
＊ 統計R語言實作筆記系列 – 用 SHINY 套件極速打造你的商業智慧分析網站！
2 Comments