《统计分析软件：使用R与Python》 课件 第4章-R 语言可视化

4.1R语言基础绘图4.2ggplot2绘图包4.3增强型绘图plotly包4.4交互式动态网页Shiny包第4章

R语言可视化R语言可视化R语言绘图基础ggplot2绘图包ggplot图形语法、ggplot绘图函数增强型绘图plotly包交互式动态网页Shiny包高级绘图：散点图、直方图、箱线图、条形图星图、点图、饼图、QQ图、茎叶图等低级绘图、交互式绘图函数图形参数、图形保存R绘图简单易用、灵活性强R绘制的常用图形绘制地图maps包实例ggmap+baidumap中南大学新校区绘制3D立方体rgl包实例plot3D包实例绘制词云(WordCloud)wordcloud包实例wordcloud2包实例在R中有三种绘图函数：高级(High-level)绘图函数：创建一个新的图形。典型的是plot函数。低级(Low-level)绘图函数：在现有的图形上添加元素，对图形进行进一步细化和解释说明。低水平作图函数有points、legend等函数。交互式(Interactive)绘图函数。如rggobi

软件包中的ggobi函数。4.1.R语言绘图基础4.1.1

高级绘图函数

plot()是泛型函数，对于不同的数据可以绘制出不同的图形。一个向量参数的plot(x)函数一般用于绘制散点图plot()函数JS<-

read.csv('JSdata.csv')plot(JS$height)两个向量参数的plot(x,y)函数,主要绘制标准的x-y图形plot()函数plot(JS$height,JS$weight)当我们对整个数据集使用plot命令而不选择任何特定列，则绘制散点图矩阵plot()函数plot(JS)plot()函数plot(cars,font.lab=2,type="p")plot(cars,font.lab=2,type="l")plot(cars,font.lab=2,type="b")plot(cars,font.lab=2,type="o")plot(cars,font.lab=2,type="h")plot(cars,font.lab=2,type="s")plot(cars,font.lab=2,type="S")可用type选项来指定不同的曲线类型。曲线类型plot()函数标签、标题和颜色我们可以标记X（xlab）和Y轴（ylab），并为我们的绘图指定一个标题（main）。此外，我们还利用（col）为绘图赋予颜色plot(JS$height,JS$weight,xlab="身高",ylab="体重",main="教师身高及体重分布情况",col="red")颜色名称：white,black,red,yellow,…数字代号：1,2,3,4,5,6,7,8颜色函数：rainbow,heat.colors,terrain.colors,topo.colors,cm.colors,colors()col符号参数pch符号参数：pch=1:25plot()函数参数功能adj控制关于文字对齐方式bg背景色bty图形边框形状cex符号和文字大小,cex.axis,cex.lab,cex.main,cex.subfont文字字体，font.axis,font.lab,font.main,font.sublas坐标轴刻度数字标记方向lty线条样式，1：实线；2：虚线；3：点线；4：点虚线；5：长虚线lwd线的宽度mar图形边空的大小pty绘图区域类型其它常用绘图参数在R软件中,用函数hist()画出样本的直方图,其格式为hist(x)或hist(x,breaks="Sturges",freq=NULL,probability=!freq,include.lowest=TRUE,right=TRUE,density=NULL,angle=45,col=NULL,border=NULL,main=paste("Histogramof",xname),xlim=range(breaks),ylim=NULL,xlab=xname,ylab,axes=TRUE,plot=TRUE,labels=FALSE,nclass=NULL,...)直方图其中x是由样本构成的向量.breaks规定直方图的组距,由以下几种形式给出：向量,给出直方图的起点、终点与组距.数,定义直方图的组距.字符串(缺省值为“Sturges”).函数,计算组距的宽度.freq是逻辑变量:NULL空(缺省值);TRUE绘出频率直方图;counts绘出频率直方图;FALSE绘出密度直方图probability是逻辑变量与freq相反,是与S-PLUS相兼容的参数,

TRUE绘出密度直方图;FALSE绘出频率直方图col表示直方图中填充的颜色.plot是逻辑变量:TRUE表示给出直方图；FALSE表示列出绘出直方图的各种结果(并不绘图).

利用Sturges公式计算Bin建议

个数ceiling(log2(length(x)+1)，后利用pretty函数给出真正bin个数>JS=read.csv(“JSdata.csv",header=T)>hist(JS$height)直方图#break：指定一个向量，给出不同的断点hist(JS$height,breaks=c(140,160,180,200))#显示的是频率（=频数/总数）>hist(JS$height,freq=F)>hist(JS$height,col=rainbow(nclass.Sturges(JS$height)+3))茎叶图与直方图比较,茎叶图(stem-and-leaf)更能细致地看出数据分布的结构.R中茎叶图stem()函数的使用方法是

stem(x,scale=1,width=80,atom=1e-08)其中x是数据向量.scale控制绘出茎叶图的长度.width绘图的宽度.atom是容差.下面做出JS中salary的茎叶图stem(JS$salary)207的十位为20个位为7.以个位为单位,将207用|号分开

207→20|7每一个数都可以这样处理.因此,茎叶图将十位数0,2,4,6按纵列从上到下排列,在纵列右侧从上到下画一竖线,再在竖线右侧写上原始数据的相应的个数.在茎叶图中,纵轴为测定数据,横轴为数据频数.数据的十位数部分表示“茎”,作为纵轴的刻度;个位数部分作为“叶”,显示频数的个数,作用与直方图的直方类似.箱线图能直观明了地识别数据批中的异常值，判断数据的偏态和尾重情况.在R软件中,用boxplot()函数作箱线图.boxplot(JS$salary)箱线图上(Q3)下(Q1)四分位数分别确定出中间箱体的顶部主底部.箱体中间的粗线是中位数所在的位置.由箱体向上下伸出的垂直部分称为“触须”,表示数据的散布范围,最远点为1.5倍四分位数间距.超出此范围的点称为异常值点,异常值点用“◦”号表示boxplot()函数的使用方法有三种形式,第一种格式为boxplot(x,...)其中x是由数据构成的数值型向量,或者是列表,或者是数据框.上面例子的使用方法就是这种形式.boxplot第二种形式为boxplot(formula,data=NULL,...,subset,na.action=NULL)其中formula是公式,如y˜grp,这里y是由数据构成的数值型向量,grp是数据的分组,通常是因子.data是数据结构.例：按职称分组绘制出各组收入情况boxplot(JS$salary~JS$title,col=rainbow(length(unique(JS$title))))第三种形式为boxplot(x,...,range=1.5,width=NULL,varwidth=FALSE,

notch=FALSE,outline=TRUE,names,plot=TRUE,border=par(“fg”),col=NULL,log=“”,pars=list(boxwex=0.8,staplewex=0.5,outwex=0.5),horizontal=FALSE,add=FALSE,at=NULL)其中x的意义与第一种情况相同.

range是“触须”的范围(缺省值为1.5).

notch是逻辑变量,当notch=TRUE(缺省值为FALSE)时,画出的箱线图带有切口.

outline是逻辑变量,当outline=FALSE(缺省值为TRUE)时,不标明异常值点.

col是颜色变量,附给不同的值,绘出不同颜色的箱线图.

horizontal是逻辑变量,当horizontal=TRUE(缺省值为FALSE)时,将把箱线图绘成水平状.

add是逻辑变量,当add=TRUE时,在原图上画图;否则(FALSE,缺省值)替换上一张图.#带切口的箱线图boxplot(JS$height,notch=T)#不标明异常值点boxplot(JS$salary,outline=F)#水平状的箱线图boxplot(JS$salary,horizontal=T)箱线图示例利用boxplot()函数还可以画出多组数据的箱线图，进而比较各组数据的的中位数、尾长、异常值、分布区间等形状信息。QQ图

R函数qqnorm()和qqline()提供了画正态QQ图和相应直线的方法.其使用方法是qqnorm(y,ylim,main="NormalQ-QPlot",xlab="TheoreticalQuantiles",ylab="SampleQuantiles",plot.it=TRUE,

datax=FALSE,...)qqline(y,datax=FALSE,...)下列代码绘出JS数据中身高的正态QQ图,并从直观上鉴别样本数据是否来自正态分布总体.qqnorm(JS$height)qqline(JS$height,col="red")执行后绘出正态QQ图：从正态QQ图（来看,样本的数据基本上可以看成来自正态总体.对于对数正态、指数等分布（ggplot2

）也可以作相应的QQ图,用以鉴别样本数据是否来自某一类型的总体分布.条形图主要用来展示不同分类(横轴)下某个数值型变量(纵轴)的取值。R使用barplot()函数来创建条形图,基本语法是-barplot(H,

xlab,

ylab,

main,

names.arg,

col)

H

-是包含条形图中使用的数值的向量或矩阵。xlab

-是x轴的标签。ylab

-是y轴的标签。main

-是条形图的标题。names.arg

-是在每个栏下显示的名称向量。col

-用于给图中的图条给出颜色。条形图(barplot)barplot(table(JS$title),main="职称分布",xlab="职称",ylab="人数",col=rainbow(4))条形图横轴上的数据是离散而非连续的。比如想展示两商品的价格随时间变化的走势，则不能用条形图，因为时间变量是连续的；有时条形图的值表示数值本身，但也有时是表示数据集中的频数，不要引起混淆。#StackedBarPlotbarplot(table(JS$title,JS$sex),main="职称分布",ylab="人数",col=rainbow(4))legend("topright",fill=rainbow(length(unique(JS$title))),legend=(rownames(table(JS$title,JS$sex))))dotchart()构造数据x的点图.基本语法:dotchart(x,labels=NULL,groups=NULL,gcolor=par("fg"),color=par("fg"))在点图中,x要么是数值向量，要么是矩阵.labels表示每个点的标签向量；groups表示一个分组变量，表示如何对x的元素进行分组。gcolor表示组标签和值颜色；color用于点和标签的颜色。点图#1940年弗吉尼亚州死亡率>dotchart(VADeaths,main="DeathRates")在R中饼图可以由以下函数创建：pie(x,labels=names(x),radius=0.8,main=“NULL”,col=NULL,clockwise=FALSE,density=NULL,angle=45,lty=NULL,border=NULL,edges=200,….)x

是非负的数值向量，表示每个扇形的面积。labels代表各扇形面积标签的字符型向量。radius

表示饼图的圆的半径，特别是在字符标签过长的情况尤其适用。main

是用来表示图标的标题的。col

是表示每个扇形的颜色，相当于调色板。饼图下面使用JS数据绘制饼图pie(table(JS$sex))pie(table(JS$title),labels=unique(JS$title),main="按职称",col=terrain.colors(length(table(JS$title))))#添加饼图每个扇形的百分比以及图表图例>areap=table(JS$title)>piepercent<-round(100*areap/sum(areap),1)>piepercent<-paste(piepercent,"%",sep="")>pie(areap,labels=piepercent,main=“按职称”,

col=rainbow(length(areap)))>legend("topright",names(areap),cex=0.8,fill=rainbow(length(areap)))显示多变量数据R软件为显示多变量数据提供了两个非常有用的函数.一个是pairs()函数,当X是矩阵或数据框时>pairs(X)绘出关于矩阵各列的散点图.例如,以JS的数据框为例,>pairs(JS[,6:8])绘出的图形与plot(JS[,6:8])相同.

另一个函数是coplot().当有三、四个变量时,coplot()可以将散点图画的更细.假设a和b是数值向量,并且c是向量或因子(所有变量具有相同的长度),则

>coplot(a˜b|c)绘出在给定c值下,a关于b的散点图.仍然以JS的数据为例,

>coplot(JS$weight~JS$height|JS$title)绘出了按职称给出的体重与身高的散点图从下往上,从左往右副教授助教教授讲师从左往右>coplot(weight~height|title,data=JS,row=1)对于四个变量a,b,c,d,还可以有如下命令>coplot(a˜b|c+d)即按c、d划分下,a关于b的散点图.>coplot(weight~height|title+sex,data=JS)pairs()函数只能显示双向关系，coplot()函数能够说明三向甚至四向关系，它特别于适合观察当给定其他预测变量时，反应变量如何根据一个预测变量变化。数据可视化中，如果数据是三维或者不多于六维，那么星图就是反映数据分布的最佳图像。R里面提供了绘制星图的函数——stars()函数。每一个星图用线段离中心的长度来表示变量值的大小，用于展示多个变量的个体，每个变量的图形相互独立，即每个角都有一条轴线与中心点连接起来的轴线,分别对应了数据的维度，数值越大，轴线越长，画出来的星图也就越大，由于星图整幅图形看起来像星星一样，因此称之为星图。星图

stars()函数基本语法:stars(x,full=TRUE,scale=TRUE,radius=TRUE,labels=dimnames(x)[[1]],locations=NULL,nrow=NULL,ncol=NULL,len=1,key.loc=NULL,key.labels=dimnames(x)[[2]],...)x

多维数据矩阵或数据框，每一行数据将绘制一个星图;full决定图形是圆形还是半圆，默认为TRUE

scale是否将数据标准化到区间[0,1]，默认为TRUE,radius是否画出半圆半径，也就是星图内部的那些线段，默认为TRUElabels每个星图个体的名称，默认为数据的行名下面使用JS数据绘制星图stars(JS[,6:8])#如果不需要星图内部的那些小线段的话，那就设置radius为FALSE.stars(JS[,6:8],radius=F)#只需要显示每个星图的一半，只需要将参数full设置为FALSE..stars(JS[,6:8],full=F)#给每个块加颜色.stars(JS[,6:8],draw.segments=TRUE)#线条加色.仅需对col.lines参数进行设置，仅当draw.segments为FALSE时才有效。对前30行数据加色stars(JS[,6:8],draw.segments=FALSE,col.lines=c(1:30))4.1.2

低级绘图函数

低级绘图函数：本身不具备图形绘制能力，只是在已有图形基础上添加元素。函数名功能points(x,y)添加点，散点图lines(x,y)添加线，线text(x,y,labels,…)在(x,y)处添加用labels指定的文字arrows()同上，但添加箭头abline(a,b)绘制斜率为b和截距为a的直线abline(h=y)在纵坐标y处画水平线abline(v=x)在横坐标x处画垂直线abline(lm.obj)画出lm.obj确定的回归线rect(x1,y1,x2,y2)绘制长方形polygon(x,y)绘制连接各x,y坐标确定的点的多边形legend(x,y,legend)在点(x,y)处添加图例，说明内容由legend给定title()添加标题，也可添加一个副标题axis(side,vect)画坐标轴box()在当前的图上加边框可使用expression()函数向图形添加简单的数学符号或公式text()、axis()、title()、legend()等使用字符串作为参数的位置均可用expression()函数和latex表达式代替。4.1.3

交互式绘图函数R还提供了允许用户使用鼠标提取或添加信息到绘图的功能。其中最简单的是locator()函数plot(1:10)text(locator(1),"locator真厉害！",cex=2,col="red")另外一个常见的交互式函数是identify()函数。x=1:10y=x^2name=letters[1:10]plot(x,y)identify(x,y,labels=name,plot=TRUE)##[1]8绘制一个简单图形后用鼠标点击8号点（对应标号为字母h）R提供了大量的图形参数来控制线条样式、颜色、图形排列和文本对齐等内容。首先需要了解R绘图所占的区域。一般来说，Ｒ绘图所占的区域，被分成外围边距(outermargins)和绘图区域两大部分，其中绘图区域又包括图形区(figureregion)和绘制区(plotregion)两个区域4.1.4

使用图形参数坐标轴标签、坐标轴名称、图片标题是在图中白色区域，主要的图形在plotregion，轴和box在虚线处。外围边距一般默认为0。在坐标轴标签很长等情况下使用。par是设置全局绘图参数的函数#不带参数的`par`返回当前图形设备的参数列表par()#设置图形颜色和直线类型等参数par(col=4,lty=2)使用par()函数设置图形参数会永久更改参数的值，从某种意义上说，所有将来对图形函数的调用都将受到新值的影响。par常用参数有：mfcol：mfcol=c(3,2)：3行2列分割图形界面。mfrow：mfrow=c(2,4)，以行的方式分割图形界面，2行4列。以行的方式分割图形界面。mfg：mfg=c(2,2,3,2)：图片在3行2列图形界面中第二行，第二列的位置。mar=c(a,b,c,d)：设置plotregion与figureregion底部、左边、上部、右边的距离，单位英寸。mai=c(a,b,c,d)：设置plotregion与figureregion底部、左边、上部、右边的距离，单位是文本行数。mgp=c(a,b,c)：三个坐标轴成分位置，轴文本标记单位记号标记和轴位置与轴线距离；单位是文本行。4.1.5

图形保存R语言保存图片大致分为两种方式：(1)通过代码命令保存。如果一次要循环画出多张图片，建议通过代码命令保存。R支持的格式包括pdf、postscript、xfig、bitmap、pictex、cairo_pdf,cairo_ps、svg、png、jpeg、bmp、tiff等。RGui图形保存

输出到文件pdf,postscript,xfig,bitmap,pictex,cairo_pdf,svg,png,jpeg,bmp,tiff>pdf("plot.pdf",width=4,height=4)>png("plot.png",width=400,height=600)>dev.off()#绘制完图形后关闭图形设备在RGui，点击鼠标右键，通过菜单命令保存图形(2)借助RGUI或RStudio软件保存RStudio图形保存

使用交互窗口中的export按钮4.2ggplot2绘图包ggplot2是2005年由HadleyWickham创建的一个十分强大的可视化R包。ggplot2包基于图形语法原理，吸收了R基础画图和lattice画图的优势，避免其不足。■用户能在更抽象层面上控制图形，使创造性绘图更容易■采用图层的设计方法，有利于结构化思维■图形美观，同时避免繁琐细节Plot(图)=data(数据集)+Aesthetics(美学映射)+Geometry(几何对象)data:数据集，主要是dataframe；Aesthetics:美学映射，比如将变量映射给x,y坐标轴，或者映射给颜色、大小、形状等图形属性；Geometry:几何对象，比如柱形图、直方图、散点图、线图、密度图等。ggplot2绘图理念

qplot()函数:顾名思义，能快速对数据进行可视化分析。它的用法和Rbase包的plot函数很相似，方便熟悉plot的用户使用ggplot2.ggplot()函数是ggplot2包的核心绘图函数。随着ggplot()的使用越来越简单，快速绘图qplot()函数目前已经很少有人使用.下面用JSdata.csv数据集介绍ggplot()函数用法。JS=read.csv("JSdata.csv",header=T)1.在添加几何图层之前，下面操作只绘制空白的ggplot绘图边框，不会绘制任何图形。ggplot(JS)#只知道数据名称.ggplot(JS,aes(x=height))#只知道X轴，Y轴通过相应的几何参数指定.ggplot(JS,aes(x=height,y=weight))#知道X轴和Y轴.ggplot(JS,aes(x=height,color=title))#不同的title变量赋值颜色不同aes表示美学参数。ggplot2认为X轴和Y轴以及颜色、大小、形状、填充等属于美学。使用数据框数据：数据框可以用来存储数值、字符串、因子等不同类型等数据；把数据放在同一个R数据框对象中可以避免使用过程中数据关系的混乱；数据外观的整理和转换方便。Plot(图)=data(数据集)+Aesthetics(美学映射)+Geometry(几何对象)

ggplot空白图2.添加geom几何图层geom_point和geom_line后ggplot(JS,aes(x=height,y=weight,color=title))+geom_point()+geom_line()#添加散点图和趋势线由于X轴、Y轴和颜色是在ggplot设置本身中定义的，因此这两层继承了这些aes参数。当然，也在几何图层中自行指定这些aes参数ggplot(JS)+geom_point(aes(x=height,y=weight,color=title))+geom_line(aes(x=height,y=weight,color=title))这里，ggplot2中直接用数据框中的分类列变量来决定图形元素的外观，这个过程在ggplot2中称为映射（mapping），无需用户额外增加代码。ggplot2支持的geom类型geom_point()：散点图、点图等geom_boxplot()：箱线图geom_line()：趋势线、时间序列等。geom_bar()：条形图geom_density()：密度图geom_histogram()：直方图geom_text()：文本3.如果希望添加绘图的主标题，并更改X轴和Y轴标题，可使用labs层和theme来完成，前者用于指定标签，后者用于控制标签大小、颜色ggplot(JS)+geom_point(aes(x=height,y=weight,color=title))+labs(title="散点图",x="身高",y="体重")4.调整标签大小可以使用函数theme()的参数现有图像上添加标题和坐标轴标签、改变图例标题gg=ggplot(JS)+geom_point(aes(x=height,y=weight,color=title))+labs(title="散点图",x="身高",y="体重")gg1=gg+theme(plot.title=element_text(size=30,face="bold"),axis.text.x=element_text(size=15),axis.text.y=element_text(size=15),axis.title.x=element_text(size=25),axis.title.y=element_text(size=25))+scale_color_discrete(name="职称")print(gg1)5.对数据进行分组后绘制图形对于比较不同数据的趋势非常有帮助，为此，ggplot2提供了分面函数facet_wrap(),可根据数据类别按照行、列或矩阵分面的方式将散点图，柱形图等分组并放到同一面板内展示。gg+facet_wrap(~title,ncol=2)每个职称绘制一个对应的散点图,每列2个图形可以再增加一个变量sex进行分组gg+facet_wrap(~title+sex,ncol=2)助教+男的分组数据为空，对应的分组图形并未显示。6.scale()比例函数允许用户控制每种美学的比例。比例函数的名称类似scale_aesthetic_suffix()scale_colour_manual()函数来指定颜色ggplot(JS,aes(x=height,y=weight,color=title))+geom_point()+scale_color_manual(values=c("red","yellow","green","blue"))7.统计函数每个统计函数都与默认几何图形相关联，因此渲染图形一般不需要设定几何图形geom参数。ggplot(JS,aes(x=title,y=salary))+stat_summary()##Nosummaryfunctionsupplied,defaultingto##`mean_se()`绘制不同职称（x）的收入（y）的均值和方差情况8.保存ggplot2图形

可使用ggsave()函数保存.

ggsave从文件扩展名猜测文件的格式,可用的文件类型有eps/ps，tex（pictex），pdf，jpeg，tiff，png，bmp，svg和wmf等。#把最后一个显示的图形保存为pdf格式ggsave("myplot.pdf")#把gg1保存为png文件ggsave("myplot2.png",plot=gg1)stat函数和默认的geom图形函数：stat_bin()：geom_bar()，geom_freqpoly()，geom_histogram()stat_bin2d()：geom_bin2d()stat_bindot()：geom_dotplot()stat_binhex()：geom_hex()stat_boxplot()：geom_boxplot()stat_contour()：geom_contour()stat_quantile()：geom_quantile()stat_smooth()：geom_smooth()stat_sum()：geom_count()4.3增强型绘图plotly包

plotly是一个基于JavaScript的开源增强型绘图工具库，可用于制作各种图形，包括：折线图、散点图、面积图、条形图、箱形图、直方图、热图等图表。创建plotly绘图对象有两种主要方法：通过将ggplot2对象（通过ggplotly()）转换为绘图对象。通过使用plot_ly()/plot_geo()/plot_mapbox()直接初始化绘图对象。4.3.1

将ggplot2对象转换为plotly对象

plotly包中的ggplotly()函数能够将ggplot2对象转换为plotly对象，对于快速向现有ggplot2工作流程添加交互性非常有帮助。p<-ggplot(JS,aes(x=height,y=weight))+geom_point(aes(color=title))+xlab("身高")+ylab("体重")+ggtitle("JS数据身高体重分布")ggplotly(p)4.3.2

直接创建plotly对象

plot_ly函数基本语法如下：plot_ly(data,x,y,z,type,mode...)其中x,y,z表示各轴数据，type表示图形的类型,包括点图,柱状图,热图等。plot_ly(data=JS,x=~height,y=~weight,color=~title,symbol=~title,type="scatter",mode="markers")plot_ly绘制基本3D表面图只需添加一个z变量，plot_ly()就会知道如何在三个维度上渲染标记、线条和路径#`%>%`表示把plot_ly的结果反馈给add_surface()函数plot_ly(z=~volcano)%>%add_surface()这里，%>%表示管道操作符,就是将一个操作的结果反馈到其下方的下一个操作中4.4交互式动态网页Shiny包网页开发，尤其是交互式动态网页的开发，有一定的开发门槛。在R和Python中，我们可以使用shiny包便捷地构建Web应用程序（ShinyApp），降低开发难度。使用shiny包开发无需前、后端支持，也无需精通HTML，CSS或者JavaScript等网页开发语言。4.4.1

Shiny简介

Shiny是由R驱动的交互式Web应用程序。shiny包有多个内置示例，每个示例都是一个独立的Shiny应用程序。探索Shiny应用程序创建第一个Shiny应用程序。library(shiny)runExample("01_hello")Shiny应用程序的结构

Shiny应用程序结构基本相同，由一个包含ui和sever的app.R文件组成。一般通过创建一个新目录并在其中保存一个app.R文件来创建Shiny应用程序。library(shiny)#Seeaboveforthedefinitionsofuiandserverui<-...server<-...shinyApp(ui=ui,server=server)对象控制应用程序的布局和外观包含构建应用程序所需的指令HelloShiny”示例的ui对象使用不同类型Output函数（如”dataTableOutput”