R语言函数话学习笔记5

使用Tidyverse完成函数化编程

（参考了家翔学长的笔记）

1.magrittr包的使用

里面有很多的管道函数，，可以减少代码开发时间，提高代码可读性和维护性

1.1 四种pipeline

1.1.1 常用的:%>% 最通俗的嵌套，向右嵌套

6

例子：要求

1. 取10000个随机数符合正态分布
2. 求10000个的数的绝对值，同时乘上50
3. 把结果组成一盒100*100列的方阵
   
   4.计算方阵中每行的均值，并四舍五入保留整数
   
   5.把结果除以7求余数，并画出余数的直方图

library(tseries)
library(zoo)
library(lmtest)
library(magrittr)
library(pder)
library(texreg)
library(tidyverse)
library(stargazer)

我的喜好是如果用到哪个包，我基本上会把所有的包，放到一起，放到文档的最前面，但是学长和许良习惯用到哪个，就调用哪个，可能是我太菜了。

set.seed(123)
rnorm(n=10000) %>% abs %>% '*'(50) %>% matrix(ncol=100) %>% rowMeans %>% round %>% '%%' (7) %>% hist

换句话说：

x %>% f(y) 等同于 f(x, y)

y %>% f(x, ., z) 等同于 f(x, y, z）

1.1.2 %T>%

1.取10000个随机数符合正态分布

2.求10000个的数的绝对值，同时乘上50

3.把结果组成一盒100*100列的方阵

4.计算方阵中每行的均值，并四舍五入保留整数

5.把结果除以7求余数，并画出余数的直方图

6.对余数求和

set.seed(123)
rnorm(n=10000) %>% abs %>% '*'(50) %>% matrix(ncol=100) %>% rowMeans %>% round %>% '%%' (7) %T>% hist %>% sum

%T>%向左操作符，其实功能和 %>% 基本是一样的，只不过它是把左边的值做为传递的值，而不是右边的值。这种情况的使用场景也是很多的，比如，你在数据处理的中间过程，需要打印输出或图片输出，这时整个过程就会被中断，用向左操作符，就可以解决这样的问题。

1.1.3 %\(% 解释操作符(exposition pipe-operator)
%\)% 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。

其实就是传递属性名的吧

attach(iris)
iris %>% subset(Sepal.Length>mean(Sepal.Length)) %$% cor(Sepal.Length,Sepal.Width)
[1] 0.3361992

这样子可以省略.$a

1.1.4 %<>%

%<>% 复合赋值操作符(compound assignment pipe-operator)

%<>%复合赋值操作符， 功能与 %>% 基本是一样的，对了一项额外的操作，就是把结果写到左侧对象。比如，我们需要对一个数据集进行排序，那么需要获得排序的结果，用%<>%就是非常方便的。

需要注意一下 %<>% 必须要用在第一个管道的对象处，才能完成赋值的操作，如果不是左侧第一个位置，那么赋值将不起作用。

可以参考博客：https://blog.csdn.net/kmd8d5r/article/details/82881559

写的比较详细

1.1.5

%>%对代码块的传递

iris %>% (
  function(x){
    if(nrow(x)>2)
      bind_rows(x %>% head(1),x %>% tail(1))
    else x
  }
)

%>%对函数的传递

2 read_*读入数据

2.1 read_*文档

在学长的笔记中指出：Yihui在blogdown包中采用read_utf8{xfun}而非read_file,保证了代码好似utf-8的格式录入，read_utf8虽然不是Tidyverse集成包中的函数，但是很好的处理了编码的问题，我回头要试试

2.2 专业数据描述文档

这里学习read_delim进行阅读，有comment的数据集

car_acc<-read_delim("datasets/road-accidents.csv",delim='|',comment="#"）

1. 这个是表达comment，（对啊，在Rmarkdown中确实是使用一个#来进行注释的）

2. 使用5个来表达标题

例子略，我还没真正的使用过

3 reprex的使用技巧

reprex存在是为了共享代码??

我以为是为了解决报错之类的，比如安装的包没有及时更新

reprex::reprex(
  ...
)

把要测试代码写入...

之前写过一个例子，把要测试的函数写入reprex中，可以查看当前安装的包的当前版本信息和历史版本信息

大概是这个样子，会生成一个html文档，代码不记得放到哪个地方了

3.2 数据的引入

head(mtcars) %>% deparse()

deparse（）解析表的结构，这个时候再复制粘贴就好 clipr::write_clip()执行

[1] "structure(list(mpg = c(21, 21, 22.8, 21.4, 18.7, 18.1), cyl = c(6, "

[2] "6, 4, 6, 8, 6), disp = c(160, 160, 108, 258, 360, 225), hp = c(110, "

[3] "110, 93, 110, 175, 105), drat = c(3.9, 3.9, 3.85, 3.08, 3.15, "

[4] "2.76), wt = c(2.62, 2.875, 2.32, 3.215, 3.44, 3.46), qsec = c(16.46, "

[5] "17.02, 18.61, 19.44, 17.02, 20.22), vs = c(0, 0, 1, 1, 0, 1), "

[6] " am = c(1, 1, 1, 0, 0, 0), gear = c(4, 4, 4, 3, 3, 3), carb = c(4, "

[7] " 4, 1, 1, 2, 1)), row.names = c("Mazda RX4", "Mazda RX4 Wag", "

[8] ""Datsun 710", "Hornet 4 Drive", "Hornet Sportabout", "Valiant""

[9] "), class = "data.frame")"

``{r}

head(mtcars) %>% datapasta::tribble_paste()

`tibble::tribble(
        ~mpg, ~cyl, ~disp, ~hp, ~drat,   ~wt, ~qsec, ~vs, ~am, ~gear, ~carb,
          21,    6,   160, 110,   3.9,  2.62, 16.46,   0,   1,     4,     4,
          21,    6,   160, 110,   3.9, 2.875, 17.02,   0,   1,     4,     4,
        22.8,    4,   108,  93,  3.85,  2.32, 18.61,   1,   1,     4,     1,
        21.4,    6,   258, 110,  3.08, 3.215, 19.44,   1,   0,     3,     1,
        18.7,    8,   360, 175,  3.15,  3.44, 17.02,   0,   0,     3,     2,
        18.1,    6,   225, 105,  2.76,  3.46, 20.22,   1,   0,     3,     1
        )
datapasta::tribble_paste()直接发生inplace反馈的反馈tibble表格形式
###3.3 其他更多的功能
 3.3.1 reprex_invert()=the opposite of reprex()
 3.3.2 reprex_clean() when you copy/paste from github or stackoverflow
 3.3.3 reprex_rescue() when you are dealing with copy/paste from R Console
 3.3.4 reprex::reprex(si=TRUE) add session info in a folding style
###3.4 指定网站发布（学长这个部分我没太懂，回头可以补一下）
 3.4.1 “gh” for Github-Flavored Markdown,the default
 3.4.2 "so" for StackOverflow Markdown
 3.4.3 "ds" for Discourse e..g.community.rstudio.com
###3.5 可复现的例子
需要提前写好代码，想要知道执行后使用者的本地配置
先写好需要的代码
```{r}
library(dplyr)
mtcars %>% dim()
mtcars %>% summary()

然后复制ctrl+c，再执行代码

reprex::reprex(si=TRUE)

此时会生成一个html文件，参考上图

注意下方有一个session info记录了当前的配置，点击后出现

这样就可以知道当前你的系统信息和相关包的安装情况

这个时候如果你的剪贴版没有被覆盖的话，在github的一个对话框中，执行ctrl+v，会发现html代码。。

4 dplyr

4.1 not： ~！

输出所有非数字型的

msleep %>%
  select_if(~!is.numeric(.)) %>%
  glimpse

Observations: 83

Variables: 5

$ name "Cheetah", "Owl monkey", "Mountain beaver", "Greater short-tailed shrew",...

$ genus "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bos", "Bradypus", "Callorh...

$ vore "carni", "omni", "herbi", "omni", "herbi", "herbi", "carni", NA, "carni",...

$ order "Carnivora", "Primates", "Rodentia", "Soricomorpha", "Artiodactyla", "Pil...

$ conservation "lc", NA, "nt", "lc", "domesticated", NA, "vu", NA, "domesticated", "lc",...

符号表示：~=function()

     :!=not

4.2 select_*

4.2.1 select_all=rename_all

让名字变为大写
mtcars %>% select_all(toupper) %>% head

让名字变为小写
mtcars %>% select_all(tolower) %>% head

我发现一个问题，我不会编程的原因应该是我不会想问题，我脑子里面没有解决问题的思路，应该多看一些复杂的问题就好了。