下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容（原文6991字）。
1章4节：数据可视化， R 语言的静态绘图和 Shiny 的交互可视化演示（更新20240814）_在r语言的众多可视化中,哪个包提供了交互式图形的功能但并未专门用于静态图表绘制-CSDN博客
在数据科学中，数据的探索和可视化是分析的重要组成部分。R 语言提供了强大的工具来进行数据分析和可视化，其中 Shiny 包允许我们构建交互式的 Web 应用，使用户可以动态地探索数据。本文将详细介绍如何使用 Shiny 构建一个交互式的散点图应用，该应用允许用户选择鸢尾花数据集的不同变量进行可视化，并通过多种选项自定义图形。
1、准备工作
在开始之前，请确保你已经安装了以下 R 包：
- : 用于构建交互式 Web 应用的核心包。
- : 提供主题支持，允许我们定制 Shiny 应用的外观。
- : 一个用于数据操作的 R 包，使数据过滤和选择更加简洁和高效。
- : R 中最流行的数据可视化包，用于创建优美且灵活的图形。
- : 用于在 图形上添加额外信息，如边际图。
可以通过运行以下命令来安装这些包：
2、鸢尾花数据集
鸢尾花数据集（）是数据科学中常用的经典数据集之一。该数据集包含 150 条记录，每条记录代表一朵鸢尾花的测量数据。数据集包括四个数值变量（萼片长度、萼片宽度、花瓣长度和花瓣宽度）和一个分类变量（物种）。
3、构建 Shiny 应用
我们将分两个部分来构建这个应用：用户界面（UI）和服务器端逻辑（Server）。用户界面定义了应用的外观及交互元素，而服务器端逻辑则处理用户的输入并生成相应的输出。
加载展包和筛选数值型列
例如，如果鸢尾花数据集中包含列 、、、 和 ，其中前四列是数值型，那么 将只包含前四列。
4、定义用户界面
在 Shiny 应用中，用户界面（UI）定义了应用的布局和用户交互组件。我们将使用 函数来创建一个带有侧边栏的页面布局。
- : 允许用户从鸢尾花数据集的数值变量中选择 X 轴和 Y 轴的变量。
- : 允许用户根据物种筛选数据。
- : 插入一条水平分隔线，以分隔不同的输入控件。
- : 复选框，用于控制是否显示物种、是否添加边际图，以及是否在散点图中添加平滑曲线。
- : 用于在页面上展示由 生成的图形。
5、定义服务器端逻辑
定义服务器端逻辑指的是明确和编写在服务器端运行的一系列规则、流程和操作，以处理来自客户端（如网页浏览器或移动应用）的请求，并根据这些请求执行相应的任务。服务器端逻辑涵盖了广泛的功能，例如接收和解析客户端发送的数据，与数据库进行交互以读取或写入信息，执行复杂的计算和数据处理操作，根据特定条件做出决策，生成动态的内容并将其返回给客户端，以及处理用户认证、授权和安全性等方面的任务。
举个例子，当用户在购物网站上提交订单时，服务器端逻辑会验证订单信息的完整性和准确性，检查库存数量，计算总价，将订单数据保存到数据库中，并最终向用户返回确认消息。又比如，在社交媒体平台上，服务器端逻辑会决定哪些内容应该显示在用户的动态页面上，基于用户的关注列表、发布时间和内容相关性等因素进行筛选和排序。
- : 使用 函数来创建一个反应式表达式，它根据用户选择的物种过滤数据集。
- 函数确保在没有选择物种时应用不会出错。
- : 根据用户的输入动态生成图形。
- 函数用于创建基本的散点图， 函数定义了 X 轴和 Y 轴的变量。
- : 如果用户选择了显示边际图， 函数会在散点图的边缘添加密度图或直方图。
6、 启动 Shiny 应用和效果展示
这段代码将 UI 和服务器逻辑组合在一起，并启动 Shiny 应用。运行此应用后，用户可以选择不同的 X 轴和 Y 轴变量，筛选特定物种，并通过复选框控制是否显示物种、添加边际图或平滑曲线。
在完成基础的 Shiny 应用之后，能够依据实际的需求来展开更进一步的拓展。比如说，您能够增添数据导入的功能，赋予用户上传自身数据集的权限，并对其展开可视化的分析；还能够丰富图表的类型，除了常见的散点图之外，添加诸如箱线图、柱状图等其他类型的图表；此外，借助 bslib 包，您能够为应用程序设定专属的自定义主题，从而使之与特定的品牌风格或者审美偏好相契合。
～～～～～～～
随着数据科学行业的迅速发展，工具的种类和使用方法层出不穷，传统的纸质R语言教材由于篇幅限制和出版审核的繁琐程序，难以及时涵盖最新的技术动态和复杂应用场景。此外，市面上虽有不少R语言免费视频，但大多仅面向初学者，缺乏对如医药等复杂领域的深入探讨。为了解决这些问题，我们在CSDN论坛推出了《用R 探索医药数据科学》专栏。这一专栏将持续更新，不仅是一份教材，更是你掌握最新、最全医药数据科学的得力助手。我们为你精心整理了领域内的深度资料，提供专业且实战导向的内容，帮助你高效提升研究能力，加快医药数据科学领域科研成果的产出。
- 《用R 探索医药数据科学》专栏会持续更新。
- 每篇文章篇幅在5000字 至9000字之间。
- 专栏已更新超过 110篇文章，超60万字。
- 内容涵盖试验统计、预测模型、科研绘图、数据库、机器学习等热点领域。
https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482
第一章：认识数据科学和R
1章1节：数据科学的发展历程，何 R 备受青睐及我们专栏的独特之处（更新20240822）-CSDN博客
1章2节：关于人工智能、机器学习、统计学连和机器学习、R 与 ChatGPT 的探究 (更新20240814)-CSDN博客
1章3节：R 语言的产生与发展轨迹（更新2024/08/14）-CSDN博客
1章4节：数据可视化， R 语言的静态绘图和 Shiny 的交互可视化演示（更新20240814）-CSDN博客
第二章：R的安装和数据读取
2章1节：R和RStudio的下载和安装（Windows 和 Mac）-CSDN博客
2章2节：RStudio 四大区应用全解，兼谈 R 的代码规范与相关文件展示_rstudio的console和terminal-CSDN博客
2章3节：RStudio的高效使用技巧，自定义RStudio环境（更新20241023）_rstudio如何使用-CSDN博客
2章4节：用RStudio做项目管理，静态图和动态图的演示，感受ggplot2的魅力-CSDN博客
2章5节：如何模糊安装R的扩展包，工作目录和空间的设置，用函数参看版本和更新（更新20241022 ）-CSDN博客
2章6节：R的数据集读取和利用，如何高效地直接复制黏贴数据到R（更新20240807 ）_r语言 复制数据集-CSDN博客
2章7节：读写RDS，CSV，TXT，Excel，SPSS、SAS、Stata、Minitab等的数据文件（更新20240807）_r语言读取rds文件-CSDN博客
2章8节：一文学会 R Markdown 的文档核心操作，切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客
2章9节：认识R与数据库连接和网络爬虫，学会在R中使用SQL语言_sql和r语言-CSDN博客
2章10节：用 R 直接下载并分析 NHANES 数据库的数据，文末示例自创便捷下载函数（更新20240807）_nhanes数据分析-CSDN博客
第三章：认识数据
3章1节：数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客
3章2节：继续讲R的数据结构，数组、数据框和列表-CSDN博客
3章3节：R的赋值操作与算术运算_r里面的赋值-CSDN博客
3章4节：R的逻辑运算和矩阵运算-CSDN博客
3章5节：R 语言的循环与遍历函数全解析-CSDN博客
第四章：数据的预处理
4章1节：全面了解 R 中的数据预处理，通过 R 基本函数实施数据查阅_r数据预处理-CSDN博客
4章2节：从排序到分组和筛选，通过 R 的 dplyr 扩展包来操作-CSDN博客
4章3节：处理医学类原始数据的重要技巧，R语言中的宽长数据转换，tidyr包的使用指南-CSDN博客
4章4节：临床数据科学中如何用R来进行缺失值的处理_临床生存分析缺失值r语言-CSDN博客
4章5节：数据科学中的缺失值的处理，删除和填补的选择，K最近邻填补法-CSDN博客
4章6节：R的多重填补法中随机回归填补法的应用，MICE包的实际应用和统计与可视化评估-CSDN博客
4章7节：用R做数据重塑，数据去重和数据的匹配-CSDN博客
4章8节：用R做数据重塑，行列命名和数据类型转换-CSDN博客
4章9节：用R做数据重塑，增加变量和赋值修改，和mutate()函数的复杂用法_r语言如何在数据集中添加变量-CSDN博客
4章10节：用R做数据重塑，变体函数应用详解和可视化的数据预处理介绍-CSDN博客
4章11节：用R做数据重塑，数据的特征缩放和特征可视化-CSDN博客
4章12节：R语言中字符串的处理，正则表达式的基础要点和特殊字符-CSDN博客
4章13节：R语言中Stringr扩展包进行字符串的查阅、大小转换和排序-CSDN博客
4章14节：R语言中字符串的处理，提取替换，分割连接和填充插值_r语言替换字符串-CSDN博客
4章15节：字符串处理，提取匹配的相关操作扩展，和Stringr包不同函数的重点介绍和举例-CSDN博客
4章16节：R 语言中日期时间数据的关键处理要点_r语言 时刻数据-CSDN博客
第五章：定量数据的统计描述
5章1节：用R语言进行定量数据的统计描述，文末有众数的自定义函数-CSDN博客
5章2节：离散趋势的描述，文末1个简单函数同时搞定20个结果-CSDN博客
5章3节：在R语言中，从实际应用的角度认识假设检验-CSDN博客
5章4节：从R语言的角度认识正态分布与正态性检验-CSDN博客
5章5节：认识方差和方差齐性检验（三种方法全覆盖）-CSDN博客
5章6节：R语言中的t检验，独立样本的t检验-CSDN博客
5章7节：单样本t检验和配对t检验-CSDN博客
5章8节：方差分析（ANOVA）及其应用-CSDN博客
5章9节：组间差异的非参数检验，Wilcoxon秩和检验和Kruskal-Wallis检验-CSDN博客
第六章：定性数据的统计描述
6章1节：定性数据的统计描述之列联表，文末有优势比计算介绍-CSDN博客
6章2节：认识birthwt数据集，EpiDisplay和Gmodels扩展包的应用-CSDN博客
6章3节：独立性检验，卡方检验，费希尔精确概率检验和Cochran-Mantel-Haenszel检验-CSDN博客
6章4节：相关关系和连续型变量的Pearson相关分析-CSDN博客
6章5节：分类型变量的Spearman相关分析，偏相关分析和相关图分析-CSDN博客
6章6节：相关图的GGally扩展包，和制表的Tableone扩展包-CSDN博客
第七章：R的传统绘图
7章1节：认识R的传统绘图系统，深度解析plot()函数和par()函数的使用-CSDN博客
7章2节：R基础绘图之散点图、直方图和概率密度图-CSDN博客
7章3节：R基础绘图之条形图和堆积条形图-CSDN博客
7章4节：饼图，箱线图和克利夫兰点图-CSDN博客
7章5节：散点矩阵图，与小提琴图、Cleveland 点图、马赛克图和等高图-CSDN博客
7章6节：用R进行图形的保存与导出，详细的高级图形输出，一文囊括大多数保存的各种问题，和如何批量保存不同情况的图形-CSDN博客
第八章：R的进阶绘图
8章1节：认识 ggplot2 扩展包，深度解析 qplot() 函数的使用-CSDN博客
8章2节：深度讲解 ggplot2 的绘图步骤，理解其核心逻辑， 和 ggplot()函数-CSDN博客
8章3节：用R来绘制医学地理图，文末有具体完整代码-CSDN博客
8章4节：维恩图的认识与应用，和使用UpSet图-CSDN博客
8章5节：用R绘制平行坐标图-CSDN博客
8章6节：雷达图及RadViz图-CSDN博客
8章7节：词云图，矩形树状图和三维散点图（更新20241024）-CSDN博客
8章8节：绘制自定义的高质量动态图和交互式动态图-CSDN博客
第九章：临床试验的统计
9章1节：初步认识临床试验（约7500字）-CSDN博客
9章2节：样本量估计的初步介绍-CSDN博客
9章3节：用R进行样本量估计的统计学参数-CSDN博客
9章4节：两组例数相同的均数比较的样本量估计和绘制功效曲线-CSDN博客
9章5节：两组的例数不等的均数比较的样本量估计和可视化-CSDN博客
9章6节：自身配对设计的均数比较临床试验的样本量估计和可视化-CSDN博客
9章7节：与总体均数比较的样本量估计和可视化-CSDN博客
9章8节： 两、三组试验组率比较的样本量估算和可视化-CSDN博客
9章9节：试验的随机分组认识，用R做简单随机化-CSDN博客
9章10节：用R实现分层随机化-CSDN博客
9章11节：用R实现区组随机化和置换区组随机化-CSDN博客
9章12节：动态随机化方法介绍，和用R绘制随机化卡片-CSDN博客
第十章：Meta分析攻略
10章1节：认识循证医学中的Meta分析，并予代码演示分析绘图-CSDN博客
10章2节：Meta分析的7大步骤的扼要解读-CSDN博客
10章3节：二分类变量的Meta分析模型，分析公式构建和结果解读-CSDN博客
10章4节：二分类变量的Meta分析模型，绘制漏斗图和应用剪补法，最后绘制和解读轮廓增强漏斗图-CSDN博客
10章5节：二分类变量的Meta分析模型，敏感性分析和亚组分析，绘制森林图-CSDN博客
10章6节：连续型变量的Meta分析和可视化分析全解-CSDN博客
10章7节：用R进行单个率Meta分析-CSDN博客
10章8节：用R进行网状Meta分析细解-CSDN博客
第十一章：主成分分析
11章1节：深度讲解用R进行主成分分析（上）-CSDN博客
11章2节：深度讲解用R进行主成分分析（中）-CSDN博客
11章3节：深度讲解用R进行主成分分析（下）-CSDN博客
11章4节：学会用R进行因子分析（上）-CSDN博客
11章5节：学会用R进行因子分析（中）-CSDN博客
11章6节：学会用R进行因子分析（下）-CSDN博客
第十二章：常见类型回归分析
12章1节：认识回归分析的历史背景及应用-CSDN博客
12章2节：构建一元和多元的线性回归模型-CSDN博客
12章3节：回归模型中哑变量的应用和设置-CSDN博客
12章4节：深度解读构建回归模型表达式的九个关键符号-CSDN博客
12章5节：深度剖析回归模型结果的相关函数-CSDN博客
12章6节：深度解读线性回归模型的绘图判断-CSDN博客
12章7节：构建因变量为分类变量的二分类Logistic回归模型-CSDN博客
12章8节：详解不同逻辑回归模型的比较，和如何进行变量优化-CSDN博客
12章9节：深度讲解有序多分类Logistic回归模型的分析-CSDN博客
12章10节：条件Logistic回归模型的分析-CSDN博客
第十三章：生存分析模型
13章1节：生存分析的基本概念和主要内容-CSDN博客
13章2节：用R进行生存率的描述与估计-CSDN博客
13章3节：生存分析的假设检验及可视化展示-CSDN博客
13章4节：认识比例风险模型和Cox比例风险模型，学会从协变量的调整选择最优模型-CSDN博客
13章5节：用逐步回归方法来选择模型协变量，比例风险假定的检验和森林图的绘制-CSDN博客
第十四章：匹配技术应用
14章1节：认识临床研究的匹配技术-CSDN博客
14章2节：匹配结果的可视化和匹配后新数据分析-CSDN博客
第十五章：判别和聚类分析
15章1节：医学研究中的判别分析和聚类分析-CSDN博客
15章2节：线性判别分析预测模型构建评估和可视化演示-CSDN博客
15章3节：二次判别分析技术的运用-CSDN博客
15章4节：K-Means聚类分析的运用，和改进算法的K-Means++-CSDN博客
15章5节：实现k-medoids聚类算法的PAM和CLARA方法-CSDN博客
15章6节：凝聚层次聚类和分裂层次聚类-CSDN博客
第十六章：机器学习入门
16章1节：机器学习和人工智能的基础知识-CSDN博客
16章2节：机器学习在临床预测中的应用场景，与临床预测模型的关键步骤解析-CSDN博客