Меня удивляет, что это еще не упоминалось, поэтому для полноты ...
Вы можете выполнить распаковку списка с помощью оператора «splat»: *
, который также будет скопируйте элементы вашего списка.
old_list = [1, 2, 3]
new_list = [*old_list]
new_list.append(4)
old_list == [1, 2, 3]
new_list == [1, 2, 3, 4]
Очевидным недостатком этого метода является то, что он доступен только в Python 3.5 +.
Сроки, однако, это работает лучше, чем другие распространенные методы.
x = [random.random() for _ in range(1000)]
%timeit a = list(x)
%timeit a = x.copy()
%timeit a = x[:]
%timeit a = [*x]
#: 2.47 µs ± 38.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
#: 2.47 µs ± 54.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
#: 2.39 µs ± 58.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
#: 2.22 µs ± 43.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
Ваш пример не воспроизводим, потому что нет кода, который загружает ваши данные (скорее всего, за пределами пользовательского интерфейса и серверной части). Тем не менее, я думаю, что одна проблема заключается в том, что нет кода, который обновляет входной объект выбора. «renderUI» имеет элементы пользовательского интерфейса, которые обычно отображаются при выполнении определенных условий; код в вашем примере не имеет условий.
Попробуйте что-то похожее на приведенное ниже вместо функции renderUI:
updateSelectInput(session, "camp",
choices = schoolchoices(),
selected = input$camp)
Также, если обновления на вашей карте все еще происходят слишком быстро, рассмотрите возможность использования функции isolate () в реактивном выражении school_choices. Вы можете даже изолировать все реактивы, кроме кнопки действия.
# From https://shiny.rstudio.com/articles/isolation.html
# The plot render function changes only when the "goButton" button changes, rather than every time the input slider "obs" changes
server <- function(input, output) {
output$distPlot <- renderPlot({
# Take a dependency on input$goButton
input$goButton
# Use isolate() to avoid dependency on input$obs
dist <- isolate(rnorm(input$obs))
hist(dist)
})
}