Chapitre 11 Du Rmarkdown interactif
Quand notre produit de sortie est un pdf, on va vouloir générer des graphiques et cartes qui ont le comportement d’une image simple. C’est ce que nous avons fait depuis le début de ce cours. Mais de plus en plus de nos projets sont destinés à une publication web et un certain niveau d’interactivité est souhaité. La considération principale à prendre en compte est l’environnement de déploiement. Si mon document est hebergé sur un serveur R, j’ai la possibilité de lui faire exécuter du code R “en direct” en fonction des actions de l’utilisateur. Dans le cas contraire, il faudra utiliser de l’interactivité en javascript. Ce langage est interprété et exécuté directement par le navigateur du client (celui qui consulte la page). Mais pas d’inquiétude, vous pouvez continuer à coder uniquement en R, le javascript est caché derrière.
11.1 Interactivité simple, les visuels s’animent
Lorsqu’on choisit le HTML comme format de sortie, on peu utiliser toutes les possibilités d’animation des cartes et graphes vus dans le module 5 - “Valoriser ses données avec R”.
Vous pouvez intégrer des cartes leaflet, des cartes et graphiques ggiraph, des graphiques plotly et bien d’autres qui offrent des possibilités d’animations au survol, d’infobulles, de zoom etc. Ces widgets en nécessitent pas de déploiement sur un serveur R pour fonctionner. Ils sont exécutés par le navigateur client.
On parle ici d’interactivité simple car il s’agit uniquement d’effets visuels dans le comportement des widgets mais il n’y a aucune modification des données dépendante de l’utilisateur.
11.2 Interactivité avancée, les inputs utilisateur
Dans certains cas, on souhaite que l’utilisateur puisse directement influencer les visuels, en filtrant une sous-partie du jeu de données par exemple. Il existe une solution qui permet cela tout en restant dans le cadre d’une exécution par le navigateur client : le package Crosstalk.
Le fonctionnement de base est très simple, on transforme notre objet (la dataframe qui contient les données affichées) en un objet partagé (shared object en anglais) :
Regardez comme cela est noté dans l’environnement de travail.
On peut spécifier un argument qui indique le nom d’une colonne de valeurs toutes différentes permettant d’identifier les lignes de manière unique. On peut voir ça comme une clé primaire en gestion de base de données. Par défaut Crosstalk utilise le numéro de ligne.
À partir de là, on peut utiliser cet objet partagé à la fois dans un widget de filtre, dans un tableau et dans une carte dynamique pour que l’utilisateur puisse filtrer ses objets à afficher.
library(crosstalk)
library(leaflet)
library(DT)
dataframe_partagee -> SharedData$new(dataframe, ~identifiant)
filter_select(id = "mon_filtre", label = "Choisissez un identifiant", sharedData = dataframe_partagee, group = ~identifiant)
datatable(dataframe_partagee, ...)
leaflet(dataframe_partagee) %>%
addPolygons(...)11.3 Exercice X
A FAIRE - repartir de l’exemple de book LS par région et remplacer par une page seule avec filtre par région avec Crosstalk.
11.4 Interactivité complète, l’application Shiny embarquée
Rappels intéractivité graphes et cartes M5 Exemple intégration Shiny Exemple intégration Crosstalk
Formation publications reproductibles avec RMarkdown
2 - Les principaux templates pour créer des publications
Maël THEULIERE - Marouane ZELLOU
Derrière Rmarkdown aujourd’hui existe tout un ecosystème permettant de mixer des traitements réalisés en R et du texte dans des formats très différents, que ce soit en matière de technologie (html, pdf, …) ou de type de rendu (diaporama, rapport, livre, note, cv, …).