《R数据科学》学习笔记|Note12:使用magrittr进行管
magrittr.jpg
写在前面
本系列为《R数据科学》(R for Data Science)的学习笔记。相较于其他R语言教程来说，本书一个很大的优势就是直接从实用的R包出发，来熟悉R及数据科学。更新过程中，读者朋友如发现错误，欢迎指正。如果有疑问，也可以后台私信。希望各位读者朋友能学有所得！
使用magrittr进行管道操作
12.1 简介
管道是一种强大的工具，可以清楚地表示由多个操作组成的一个操作序列。
管道 %>% 来自于 magrittr 包。因为 tidyverse 中的包会自动加载 %>%,所以通常无须加载 magrittr。
library(magrittr)
12.2 管道的替代方式
书里用一首外国童谣举例
一只小兔叫福福 蹦蹦跳跳过森林 抓起一窝小田鼠 每只头上打一下
先定义一个对象来表示小兔福福：
foo_foo <- little_bunny()
使用函数来表示每个动作：hop()、scoop() 和 bop()。
通过这个对象和这些函数,至少有 4 种方法来使用代码讲述这个故事:
- 将每个中间步骤保存为一个新对象；
- 多次重写初始对象；
- 组合多个函数；
- 使用管道。
12.2.1 中间步骤
最简单的方法是将每个中间步骤保存为一个新对象：
foo_foo_1 <- hop(foo_foo, through = forest)
foo_foo_2 <- scoop(foo_foo_1, up = field_mice)
foo_foo_3 <- bop(foo_foo_2, on = head)
如果这些中间变量有用，那么这个方法没毛病。但是，多数情况，这些变量其实是没有什么实际意义的，而且还得用数字后缀来区分这些变量。
这样会造成两个问题：
- 代码中充斥着大量不必要的变量。
- 必须在每一行代码中小心翼翼地修改变量后缀。
12.2.2 重写初始对象
foo_foo <- hop(foo_foo, through = forest)
foo_foo <- scoop(foo_foo, up = field_mice)
foo_foo <- bop(foo_foo, on = head)
这种方法也有两个问题：
- 调试。如果出错，那么你就必须从头开始运行整个流程。
- 对象的多次重写阻碍我们看清每行代码中发生的变化。
12.2.3 函数组合
另一种方法是将多个函数组合在一起，这样可以避免赋值语句：
bop(
scoop(
hop(foo_foo, through = forest),
up = field_mice
),
on = head
)
这种方法的缺点是，必须按照从内向外和从右向左的顺序阅读代码，而且参数太分散了 ，阅读起来有点困难。
12.2.4 使用管道
最后，我们可以使用管道：
foo_foo %>%
hop(through = forest) %>%
scoop(up = field_mouse) %>%
bop(on = head)
可以将它们当成一系列规定动作。理解为”然后“，”接着“。
12.3 不适合使用管道的情形
- 操作步骤过多。这种情况下，应该使用有意义的变量来保存中间结果。 这样会使得调试更加容易，因为你更容易检查中间结果；还可以使得代码更容易理解， 因为有意义的变量名称可以帮助别人明白你的代码意图。
- 有多个输入和输出。如果需要处理的不是一个基本对象，而是组合在一起的两个或多个对象，就不要使用管道。
- 操作步骤构成一张具有复杂依赖关系的有向图。管道基本上是一种线性操作，如果使用它来表示复杂的关系，通常会使得代码混乱不清。
12.4 magrittr中的其他工具
- 在使用比较复杂的管道操作时，有时会因为某个函数的副作用而调用它。比如，你可能想要打印或绘制出当前对象，或者想将它保存在硬盘中。可以使用“T”管道操作符
%T>%。它的用法和%>%差不多，只是它返回的是左侧项而不是右侧项。
rnorm(100) %>% #产生100个服从正态分布的随机数
matrix(ncol = 2) %>% #列数
plot() %>%
str()
#> NULL
12.1
> rnorm(100) %>%
+ matrix(ncol = 2) %T>% #返回左侧项，即矩阵
+ plot() %>%
+ str()
num [1:50, 1:2] -0.0212 0.7349 -0.6956 -1.6385 0.2505 ...
12.2
-
%$%解释操作符(exposition pipe-operator)%$%的作用是把左侧数据的属性名传给右侧，让右侧的调用函数直接通过名字，就可以获取左侧的数据。比如，我们获得一个data.frame类型的数据集，通过使用%$%，在右侧的函数中可以直接使用列名操作数据。下面定义一个3列10行的
data.frame，列名分别为x,y,z，获取 x 列大于5的数据集。使用%$%把列名x直接传到右侧进行判断。这里.代表左侧的完整数据对象。一行代码就实现了需求，而且这里不需要显示的定义中间变量。> set.seed(1) > data.frame(x=1:10,y=rnorm(10),z=letters[1:10]) %$% .[which(x>5),] x y z 6 6 -0.8204684 f 7 7 0.4874291 g 8 8 0.7383247 h 9 9 0.5757814 i 10 10 -0.3053884 j如果不使用
%$%，我们通常的代码写法为：> set.seed(1) > df<-data.frame(x=1:10,y=rnorm(10),z=letters[1:10]) > df[which(df$x>5),] x y z 6 6 -0.8204684 f 7 7 0.4874291 g 8 8 0.7383247 h 9 9 0.5757814 i 10 10 -0.3053884 j -
magrittr提供了%<>%操作符来执行赋值操作，它可以将以下代码：
mtcars <- mtcars %>%
transform(cyl = cyl * 2)
替代为:
mtcars %<>% transform(cyl = cyl * 2)
小编觉得有时候过犹不及，一点重复是必要的，它可以更加明确地表示出赋值语句。
《R数据科学》学习笔记|Note11:使用forcats处理因子
