09_shiny_basico_soluciones.qmd

---
title: "Soluciones capítulo 9"
author: "Luz Frias"
execute:
  message: false
  warning: false
output:
  html_document:
    highlight: null
---

Para probar correctamente las aplicaciones shiny, tendrás que copiar y pegar el código a un intérprete de R.


```{r, include=FALSE}
library(dplyr)
library(tidyr)
library(shiny)
library(palmerpenguins)
library(plotly)
library(leaflet)
library(DT)
library(sf)
```

### Actividad 1

Crea una aplicación, utilizando el dataset de los pingüinos, que tenga:

* Como inputs, unos _radio buttons_ para elegir el sexo.
* Como outputs: 

    * Un gráfico de puntos de _plotly_ mostrando en el eje x el peso, y en el eje y la longitud de la aleta, y con un color diferente por especie, solo para el sexo escogido.
    * Una _datatable_ paginada con el detalle de especie, sexo, peso y longitud de la aleta, para el sexo escogido.

```{r, eval=FALSE}
# La interfaz gráfica
ui <- fluidPage(
  sidebarLayout(
    sidebarPanel(
      radioButtons(
        inputId = "sex",
        label   = "Sexo",
        choices = c("female", "male")
      )
    ),
    
    mainPanel(
      plotlyOutput(outputId = "chart"),
      dataTableOutput(outputId = "table")
    )
  )
)

# El servidor
server <- function(input, output) {
  
  output$chart <- renderPlotly({
    tmp <- filter(penguins, !is.na(sex), sex == input$sex)
    plot_ly(tmp, type = "scatter", mode = "markers",
            x = ~body_mass_g, y = ~flipper_length_mm)
  })
  
  output$table <- renderDataTable({
    penguins %>%
      filter(!is.na(sex), sex == input$sex) %>%
      select(species, sex, body_mass_g, flipper_length_mm)
  })
}

# Generamos la aplicación
shinyApp(ui = ui, server = server)
```

### Actividad 2

Crea una aplicación de shiny para visualizar las líneas y paradas del metro de Madrid sobre un mapa interactivo.

Tienes disponible los datos en `dat/lineas_metro.geojson` y `dat/paradas_metro_madrid.geojson`.

La aplicación tendrá:

* Como inputs, el listado de líneas disponibles.
* Como output, un mapa de `leaflet` mostrando la línea y sus paradas sobre Madrid.

```{r, eval=FALSE}
lineas_metro  <- read_sf("dat/lineas_metro.geojson")
lineas_select <- lineas_metro$Linea
names(lineas_select) <- lineas_metro$Texto

# La interfaz gráfica
ui <- fluidPage(
  sidebarLayout(
    sidebarPanel(
      selectInput(
        inputId = "linea",
        label   = "Línea",
        choices = lineas_select
      )
    ),
    
    mainPanel(
      leafletOutput(outputId = "map")
    )
  )
)

# El servidor
server <- function(input, output) {
  
  paradas_metro <- read_sf("dat/paradas_metro_madrid.geojson")
  lineas_metro  <- read_sf("dat/lineas_metro.geojson")
  
  colores_lineas <- c(
    "L1"    = "#38a3dc",
    "L2"    = "#f40104",
    "L3"    = "#fbe115",
    "L4"    = "#944247",
    "L5"    = "#96bf0e",
    "L6"    = "#9fa4a6",
    "L7"    = "#f7a64b",
    "L8"    = "#f500ff",
    "L9"    = "#a3228d",
    "L10"   = "#174594",
    "L11"   = "#185b00",
    "L12"   = "#a49a00",
    "Ramal" = "#090080"
  )
  
  paleta_lineas <- colorFactor(
    palette = unname(colores_lineas),
    levels  = names(colores_lineas)
  )
  
  output$map <- renderLeaflet({
    # Filtros
    tmp_lineas <- lineas_metro %>%
      filter(Linea == input$linea)
    tmp_paradas <- paradas_metro %>%
      filter(line == input$linea)
    
    leaflet(tmp_lineas) %>%
      addProviderTiles("CartoDB.Positron") %>%
      setView(lng = -3.69, lat = 40.43, zoom = 12) %>%
      addPolylines(data = tmp_lineas, color = ~paleta_lineas(Linea), opacity = 0.8) %>%
      addCircleMarkers(data = tmp_paradas, stroke = FALSE, radius = 5, fillOpacity = 0.5) %>%
      addLegend(
        position = "bottomright",
        pal      = paleta_lineas,
        values   = ~Linea,
        title    = "Línea"
      )
  })
  
}

# Generamos la aplicación
shinyApp(ui = ui, server = server)
```