ggplot在Shiny的eventReactive()中异常更新，不受Run按钮控制

这个异常不是ggplot本身的问题，是Shiny的响应式追踪机制和ggplot的非标准求值机制错位导致的：

• Shiny的响应式追踪和代码的执行上下文深度绑定：只有在当前响应式上下文里被真正执行过的响应式值，才会被标记为依赖。
• 正常使用eventReactive时，只会把第一个参数（本例的input$run）作为触发源，内部代码运行时收集到的其他响应式依赖，不会触发eventReactive自动重算。
• base plot能正常运行的原因是它的立即求值特性：在eventReactive运行阶段就会把所有绘图需要的数值全部计算成固定的向量，传给plot函数的是已经算好的数值，生成的绘图对象不包含对任何响应式值的引用。当这个对象传到renderPlot时，renderPlot不会收集到对输入变量、df()的额外依赖，因此只会跟随Run按钮的触发更新。
• ggplot出现异常的根源在于aes()的惰性求值：ggplot不会在生成对象时就执行aes里的映射表达式，只会把这些表达式存在对象内部，直到真正渲染图片时才会求值。这就直接导致了执行错位：
  1. eventReactive运行时，根本不会执行aes里的df()[, input$outvar]这类表达式，Shiny也就不会在eventReactive的上下文里收集到相关依赖。
  2. 当这个藏了惰性表达式的ggplot对象传到renderPlot后，renderPlot渲染图片时才会执行这些表达式——此时的执行上下文是renderPlot本身，会把df()、input$outvar都标记为renderPlot的依赖。
  3. 一旦修改输入导致df()或相关输入值变化，renderPlot就会检测到依赖变化重新运行：这时候它会调用plt()取最新的绘图对象，但因为没有触发Run按钮，plt()只会返回之前缓存的旧ggplot对象，而这个旧对象渲染时用到的df()已经是新值，就出现了“没点Run也自动更新”的异常。

推荐方案：提前固化静态绘图数据 #

最稳妥的改法是和base plot逻辑对齐，在eventReactive的运行阶段，就把所有绘图需要的数据提前计算成静态的普通数据框，不要把对响应式值的引用直接塞到aes的惰性表达式里。
修改后的plt响应式逻辑示例：

plt <- eventReactive(input$run, {
  # 构建公式、拟合线性模型的逻辑保持不变
  current_formula <- paste0(input$outvar, " ~ ", paste0(input$variables, collapse = " + "))
  current_formula <- as.formula(current_formula)
  fit <- lm(current_formula, data = df())
  pred <- predict(fit, newdata = df())

  # 提前在eventReactive上下文里把所有绘图用的数值固化成静态数据框
  plot_data <- data.frame(
    observed = df()[[input$outvar]],
    predicted = pred
  )

  # ggplot只使用静态数据，aes内仅引用数据框的列名，不触碰任何响应式值
  ggplot(plot_data, aes(x = observed, y = predicted)) +
    labs(x = "Observed", y = "Predicted") +
    geom_point() +
    theme_bw()
})

改完之后，生成的ggplot对象在eventReactive阶段就已经完全没有对响应式值的引用，和base plot的执行逻辑完全一致，从根源上避免了依赖错位的问题。

关于isolate()的使用误区 #

很多人提到用isolate()解决这类问题，但要注意isolate的生效逻辑：它只能隔离它所处的响应式上下文里的依赖收集，对aes里的惰性求值完全无效——因为aes里的代码根本不会在eventReactive的上下文里执行，所以直接在eventReactive里给aes包isolate是没有任何作用的。
如果一定要用isolate，也必须确保被隔离的表达式在eventReactive运行阶段就被立即求值（也就是和上面的方案一样，提前把值算成静态常量），否则无法解决问题。

改完之后整个逻辑就完全符合预期：只有点击Run按钮时才会重新拟合模型、固化绘图数据、生成新的ggplot对象，其他时候修改输入不会触发任何绘图更新，和base plot版本的行为完全一致。

内容的提问来源于stack exchange，提问作者pixy