Une Shiny App dans un Package Dans un article précédent, j’ai présenté{golem}, qui est un framework pour la création d’applications Shiny prêtes à partir en production. Ce cadre commence par la création d’un squelette de package en attente d’être rempli. Mais, dans un monde où les applications Shiny sont le plus souvent créées sous la forme d’une série de fichiers, pourquoi se soucier de créer un package ? C’est la question sur laquelle je vais me concentrer dans ce billet. Qu’y a-t-il dans une application Shiny ? OK, posons la question dans l’autre sens. Pensez à votre dernière Shiny qui a été créé sous laLire la suite →

Deuxième partie de la transcription de la conférence que j’ai donnée lors de la session poster de la rstudio::conf(2019). Lire la première partie ici. Construire des applications Shiny prod-ready, étape par étape Etape 1: Design Ne vous précipitez pas dans le code. C’est tentant, parce que c’est ce que nous aimons faire et ce à quoi nous sommes bons. Mais avant d’entrer dans un « coding marathon », prenez le temps de réfléchir à l’application et à la façon dont elle sera déployée et utilisée. Prenez un stylo et un morceau de papier et dessinez l’application. Parlez-en avec les gens qui utiliseront le produit final, juste pourLire la suite →

Un court article sur un petit truc que j’utilise pendant le développement de Shiny Apps. (Spoiler : rien de révolutionnaire) Un browser() n’importe où, n’importe quand La première chose à faire est d’insérer un actionButton, et un browser() dans la commande observeEvent() surveillant ce bouton. C’est une approche standard : à tout moment, il suffit d’appuyer sur ce bouton, et vous êtes à l’intérieur de l’Application Shiny — alors, vous pouvez voir la valeur des reactives et exécuter les éléments réactifs, accédant aux valeurs qu’ils ont au moment où vous avez appuyé sur ce bouton. Cette approche fonctionne, et elle est robuste. Mais voici leLire la suite →

Durant la rstudio::conf(2019L), j’ai présenté un poster intitulé « Building Big Shiny Apps – A Workflow ». Vous pouvez trouver ce poster ici, et ce billet de blog est une tentative de transcription de sa présentation à Austin. Comme il s’agit d’un sujet assez long, j’ai divisé ce billet en deux parties : la première présentera le contexte et le pourquoi, et la seconde présentera un workflow étape par étape et les outils nécessaires. Motivation L’idée derrière ce poster (et maintenant ce billet de blog) n’est pas de parler de la façon de déployer et de scaler, mais du processus de construction de l’application. Pourquoi ? BeaucoupLire la suite →

Il était une fois une horde de preux Chevaliers R qui ont se lancèrent une nouvelle quête : ils avaient pour mission d’amener le tout puissant Google Auth dans le royaume de ShinyProxy. Voici leur histoire, racontée de l’intérieur. Au commencement, il y avait un conteneur Pour ceux de nos lecteurs qui ne connaissent pas ShinyProxy, ce projet open source porté par Open Analytics est conçu pour déployer un serveur qui peut exécuter plusieurs Shiny Apps, et où chaque nouvelle application est lancée dans une nouvelle session. En quelques mots, ce que fait ShinyProxy est essentiellement de connecter un serveur à une liste de conteneurs Docker,Lire la suite →

Gérer les packages en production peut vite être un casse-tête : il faut jongler entre les versions, les packages internes, les mises à jour CRAN, Bioconductor, les sources GitHub…. Découvrons RStudio Package Manager, l’un des outils disponibles qui vous aide à gérer cela. What is love RSPM (Baby don’t hurt me, no more 🎶) RStudio Package Manager (ou RSPM en abrégé) est une solution conçue pour vous aider à gérer l’installation des packages dans votre organisation. Que vous ayez besoin de mettre à disposition de votre équipe l’ensemble du CRAN par le biais d’un proxy, d’une partie du CRAN, de packages GitHub, de packages internes,Lire la suite →

Accueillons comme il se doit viridis, nouvelle palette de {ggplot2}! Viri-what ? viridis est l’une des palettes préféré d’un membre de l’équipe (guesswho). La palette viridis a d’abord été développée pour le paquet python matplotlib, et a été implémentée dans R depuis. Les points forts de cette palette sont : les graphiques sont beaux (ce qui est une raison suffisante) les couleurs sont perçues de manière uniformes, même lorsqu’elles sont imprimées en noir et blanc (oui, les gens impriment encore en 2018….) les couleurs sont distinguées par les formes les plus courantes de daltonisme (une caractéristique importante) Cette palette est maintenant le schéma de couleurs par défautLire la suite →