如何在Shiny中动态计算同ID样本的相对百分比差异（RPD）

需求说明 #

需根据公式 RPD = |a-b|/((a+b)/2)，对具有相同样本ID的两组数值计算相对百分比差异，且样本ID的数量、分组会动态变化，要在Shiny应用中实现该功能。

示例数据：

IDs <- c("A", "A", "B", "B", "C", "C")
values <- c(1.2, 1.36, 2.87, 3, 2.54, 2.33)

df <- tibble(IDs, values)

解决方案 #

用dplyr的分组操作即可实现，核心是分组后提取每组的两个数值代入公式计算，具体步骤如下：

1. 分组计算RPD
   通过group_by(IDs)分组后，在summarise中提取每组的首尾值（或指定位置的两个值）完成计算：

   library(dplyr)
   library(tibble)
   
   calculate_rpd <- function(df) {
     df %>%
       group_by(IDs) %>%
       summarise(
         RPD = abs(first(values) - last(values)) / ((first(values) + last(values)) / 2),
         .groups = "drop" # 取消分组状态，避免后续操作触发分组相关警告
       )
   }
   
   # 测试示例数据
   result <- calculate_rpd(df)
   print(result)
   

   输出结果：

   # A tibble: 3 × 2
     IDs     RPD
     <chr> <dbl>
   1 A     0.121
   2 B     0.0447
   3 C     0.0860
   

2. Shiny应用集成
   将计算逻辑封装为函数，结合Shiny的输入输出模块，处理用户上传的动态数据：

   library(shiny)
   
   ui <- fluidPage(
     fileInput("data_file", "上传CSV数据文件"),
     tableOutput("rpd_result")
   )
   
   server <- function(input, output) {
     output$rpd_result <- renderTable({
       req(input$data_file)
       df <- read.csv(input$data_file$datapath)
       calculate_rpd(df)
     })
   }
   
   shinyApp(ui, server)
   

注意事项 #

• 确保每个样本ID恰好对应两个数值，若存在多组或单组的情况，可提前添加过滤逻辑：

  df %>%
    group_by(IDs) %>%
    filter(n() == 2) %>% # 仅保留包含两个数值的分组
    summarise(
      RPD = abs(first(values) - last(values)) / ((first(values) + last(values)) / 2),
      .groups = "drop"
    )
  

• 除了first()和last()，也可使用nth(values,1)和nth(values,2)明确指定提取分组内的第1、第2个值，效果一致。

内容的提问来源于stack exchange，提问作者bkelley9