Shiny是RStudio公司開發(fā)的新包，有了它，可以用R語言輕松開發(fā)交互式web應(yīng)用。

• 只用幾行代碼就可以構(gòu)建有用的web應(yīng)用程序—不需要用JavaScript。
• Shiny應(yīng)用程序會自動刷新計算結(jié)果，這與電子表格實(shí)時計算的效果類似。 當(dāng)用戶修改輸入時，輸出值自動更新，而不需要在瀏覽器中手動刷新。
• Shiny用戶界面可以用純R語言構(gòu)建，如果想更靈活，可以直接用HTML、CSS和JavaScript來寫。
• 可以在任何R環(huán)境中運(yùn)行（R命令行、Windows或Mac中的Rgui、ESS、StatET、RStudio等）
• 基于Twitter Bootstrap的默認(rèn)UI主題很吸引人。
• 高度定制化的滑動條小工具（slider widget），內(nèi)置了對動畫的支持。
• 預(yù)先構(gòu)建有輸出小工具，用來展示圖形、表格以及打印輸出R對象。
• 采用websockets包，做到瀏覽器和R之間快速雙向通信。
• 采用反應(yīng)式（reactive）編程模型，摒棄了繁雜的 事件處理代碼，這樣你可以集中精力于真正關(guān)心的代碼上。
• 開發(fā)和發(fā)布你自己的Shiny小工具，其他開發(fā)者也可以非常容易地將它加到自己的應(yīng)用中（即將面市?。?/li>

Shiny可以從CRAN獲取， 所以你可以用通常的方式來安裝，在R的命令行里輸入：

r install.packages("shiny")

Hello Shiny是個簡單的應(yīng)用程序， 這個程序可以生成正態(tài)分布的隨機(jī)數(shù)，隨機(jī)數(shù)個數(shù)可以由用戶定義，并且繪制這些隨機(jī)數(shù)的直方圖. 要運(yùn)行這個例子，只需鍵入：

library(shiny) runExample("01_hello") 

Shiny應(yīng)用程序分為兩個部分：用戶界面定義和服務(wù)端腳本。這兩部分的源代碼將在下面列出。

在教程的后續(xù)章節(jié)，我們將解釋代碼的細(xì)節(jié)并講解如何用“反應(yīng)性”表達(dá)式來生成輸出。現(xiàn)在，就嘗試運(yùn)行一下例子程序，瀏覽一下源代碼，以獲得對shiny的初始印象。也請認(rèn)真閱讀注釋。

用戶界面是在源文件ui.R中定義的：

library(shiny) # Define UI for application that plots random distributions  shinyUI(pageWithSidebar( # Application title headerPanel("Hello Shiny!"), # Sidebar with a slider input for number of observations sidebarPanel( sliderInput("obs", "Number of observations:", min = 0, max = 1000, value = 500) ), # Show a plot of the generated distribution mainPanel( plotOutput("distPlot") ) )) 

下面列出了服務(wù)端的代碼。從某種程度上說，它很簡單——生成給定個數(shù)的隨機(jī)變量， 然后將直方圖畫出來。不過，你也注意到了，返回圖形的函數(shù)被 renderPlot包裹著。

library(shiny) # Define server logic required to generate and plot a random distribution shinyServer(function(input, output) { # Expression that generates a plot of the distribution. The expression # is wrapped in a call to renderPlot to indicate that: # #  1) It is "reactive" and therefore should be automatically  #     re-executed when inputs change #  2) Its output type is a plot  # output$distPlot <- renderPlot({ # generate an rnorm distribution and plot it dist <- rnorm(input$obs) hist(dist) }) })