搜索
查看: 616|回复: 0

[R] 小洁详解《R数据科学》第16章 Purrr下

[复制链接]

25

主题

50

帖子

370

积分

中级会员

Rank: 3Rank: 3

积分
370
发表于 2018-11-26 14:18:25 | 显示全部楼层 |阅读模式
4 for循环与函数式编程
[AppleScript] 纯文本查看 复制代码
library(tidyverse)
df <- tibble(
  a = rnorm(10),
  b = rnorm(10),
  c = rnorm(10),
  d = rnorm(10)
)

用for循环计算每列的均值
[AppleScript] 纯文本查看 复制代码
output <- vector("double", length(df))
for (i in seq_along(df)) {
output[[i]] <- mean(df[[i]])
}
output
#> [1] -0.3893274  0.2581997 -0.3238829  0.2181311
书中给出一个奇怪的例子来说明函数组合
[AppleScript] 纯文本查看 复制代码
f1 <- function(x) abs(x - mean(x)) ^ 1
f2 <- function(x) abs(x - mean(x)) ^ 2
f3 <- function(x) abs(x - mean(x)) ^ 3

#关于abs:
#绝对值函数,帮助文档里还有一句:
#abs(x) returns an integer vector when x is integer or logical.

abs(TRUE)
#> [1] 1
abs(FALSE)
#> [1] 0

f <- function(x, i) abs(x - mean(x)) ^ i
#其实这个函数应该是向量化的,x应该是个向量
#直接将df作为x会导致全是NA
f(df[[1]],3)
#>  [1] 3.418992e-01 1.620302e-01 5.253052e-01 4.321956e-02 6.489365e+00
#>  [6] 2.156025e+00 4.578027e-02 3.268124e-01 6.154311e-02 2.012281e-06
将函数作为参数传入另一个函数
[AppleScript] 纯文本查看 复制代码
col_summary <- function(df, fun) {
  out <- vector("double", length(df))
  for (i in seq_along(df)) {
    out[i] <- fun(df[[i]])
  }
  out
}
#操作对象是df了
col_summary(df,mean)
#> [1] -0.3893274  0.2581997 -0.3238829  0.2181311

col_summary(df, median)
#> [1] -0.2201724  0.2174858 -0.5452395  0.1845153

col_summary(df, sd)
#> [1] 0.9108518 1.1001024 1.1995958 0.6618306
5.映射函数-map
这是一个强大的函数族,直接返回结果
• map() 用于输出列表;
• map_lgl() 用于输出逻辑型向量;
• map_int() 用于输出整型向量;
• map_dbl() 用于输出双精度型向量;
• map_chr() 用于输出字符型向量。
[AppleScript] 纯文本查看 复制代码
map_dbl(df,mean)
#>          a          b          c          d 
#> -0.3893274  0.2581997 -0.3238829  0.2181311
map_dbl(df,median)
#>          a          b          c          d 
#> -0.2201724  0.2174858 -0.5452395  0.1845153
map_dbl(df,sd)
#>         a         b         c         d 
#> 0.9108518 1.1001024 1.1995958 0.6618306
#偷偷试一下指定dbl会怎么样
map(df,mean)
#> $a
#> [1] -0.3893274
#> 
#> $b
#> [1] 0.2581997
#> 
#> $c
#> [1] -0.3238829
#> 
#> $d
#> [1] 0.2181311

#返回了一个列表。还是指定数据类型比较好
可以支持管道操作
[AppleScript] 纯文本查看 复制代码
df %>% map_dbl(mean)
#>          a          b          c          d 
#> -0.3893274  0.2581997 -0.3238829  0.2181311
df %>% map_dbl(median)
#>          a          b          c          d 
#> -0.2201724  0.2174858 -0.5452395  0.1845153
df %>% map_dbl(sd)
#>         a         b         c         d 
#> 0.9108518 1.1001024 1.1995958 0.6618306
创建线性模型(暂时不用深究,知道实现了什么即可)
[AppleScript] 纯文本查看 复制代码
mtcars$cyl
#>  [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4

models <- mtcars %>%
split(.$cyl) %>%
map(function(df) lm(mpg ~ wt, data = df))
提取模型的 r.squared—拟合度
[AppleScript] 纯文本查看 复制代码
models %>%
map(summary) %>%
map_dbl(~.$r.squared) #入门
#>         4         6         8 
#> 0.5086326 0.4645102 0.4229655

models %>%
map(summary) %>%
map_dbl("r.squared") #升级方法
#>         4         6         8 
#> 0.5086326 0.4645102 0.4229655

5.2R基础包
提取每个向量中>0.8的数
[AppleScript] 纯文本查看 复制代码
x1 <- list(
c(0.27, 0.37, 0.57, 0.91, 0.20),
c(0.90, 0.94, 0.66, 0.63, 0.06),
c(0.21, 0.18, 0.69, 0.38, 0.77)
)
x2 <- list(
c(0.50, 0.72, 0.99, 0.38, 0.78),
c(0.93, 0.21, 0.65, 0.13, 0.27),
c(0.39, 0.01, 0.38, 0.87, 0.34)
)

threshold <- function(x, cutoff = 0.8) x[x > cutoff]
x1 %>% sapply(threshold) %>% str()
#> List of 3
#>  $ : num 0.91
#>  $ : num [1:2] 0.9 0.94
#>  $ : num(0)
x2 %>% sapply(threshold) %>% str()
#>  num [1:3] 0.99 0.93 0.87
盯了一会儿想明白了,为什么同样类型的两个list输出结果一个是list,一个是向量呢?
这两个list的区别,x1中三个向量,符合要求的数值各不相同,而x2中符合要求的个数都是1。所以自动选择了输出形式,这就是上面说的“你不知道会得到什么样的输出”。
关于替代方式vapply,并没有给出具体例子来理解,这里的重点是purrr而非基础包。
[AppleScript] 纯文本查看 复制代码
safe_log <- safely(log)
str(safe_log(10))
#> List of 2
#>  $ result: num 2.3
#>  $ error : NULL
#str(safe_log("a"))
safely函数用于查看是否有错。
返回result和error两个结果。二者不可兼得哈哈。
safely() 也可以与 map() 函数共同使用
[AppleScript] 纯文本查看 复制代码
x <- list(1, 10, "a")
y <- x %>% map(safely(log))
str(y)
#> List of 3
#>  $ :List of 2
#>   ..$ result: num 0
#>   ..$ error : NULL
#>  $ :List of 2
#>   ..$ result: num 2.3
#>   ..$ error : NULL
#>  $ :List of 2
#>   ..$ result: NULL
#>   ..$ error :List of 2
#>   .. ..$ message: chr "non-numeric argument to mathematical function"
#>   .. ..$ call   : language log(x = x, base = base)
#>   .. ..- attr(*, "class")= chr [1:3] "simpleError" "error" "condition"
#此时结果是按照元素汇总成表格,更理想的情况是按照正误分别汇总,用导函数transpose。
#返回2个list,正确错误各自汇总到一起。
y <- y %>% transpose() 
str(y)
#> List of 2
#>  $ result:List of 3
#>   ..$ : num 0
#>   ..$ : num 2.3
#>   ..$ : NULL
#>  $ error :List of 3
#>   ..$ : NULL
#>   ..$ : NULL
#>   ..$ :List of 2
#>   .. ..$ message: chr "non-numeric argument to mathematical function"
#>   .. ..$ call   : language log(x = x, base = base)
#>   .. ..- attr(*, "class")= chr [1:3] "simpleError" "error" "condition"
[AppleScript] 纯文本查看 复制代码
is_ok <- y$error %>% map_lgl(is_null)
x[!is_ok]
#> [[1]]
#> [1] "a"
#返回出错的原始数据,运行正确的显示结果。
y$result[is_ok] %>% flatten_dbl()
#> [1] 0.000000 2.302585
另外两个函数:possibly和quiet
possibly:成功时返回结果,失败时返回默认值。
quietly,result包括result output warnings messages
[AppleScript] 纯文本查看 复制代码
x <- list(1, 10, "a")
x %>% map_dbl(possibly(log, NA_real_))
#> [1] 0.000000 2.302585       NA
x %>% map_dbl(possibly(log,FALSE ))
#> [1] 0.000000 2.302585 0.000000
#后面这行是我乱写的,逻辑值被转换成了0,这个参数是设置错误返回的默认值。

x <- list(1,10)
x %>% map(quietly(log)) %>% str()
#> List of 2
#>  $ :List of 4
#>   ..$ result  : num 0
#>   ..$ output  : chr ""
#>   ..$ warnings: chr(0) 
#>   ..$ messages: chr(0) 
#>  $ :List of 4
#>   ..$ result  : num 2.3
#>   ..$ output  : chr ""
#>   ..$ warnings: chr(0) 
#>   ..$ messages: chr(0)

#这个不能存在字符串元素,否则报错
7. 多参数映射
p236
一个参数多次改变,生成多组数据
[AppleScript] 纯文本查看 复制代码
mu <- list(5, 10, -3)
mu %>%
  map(rnorm,n=5) %>%
  str()
#> List of 3
#>  $ : num [1:5] 6.06 5.06 4.28 4.67 3.58
#>  $ : num [1:5] 9.68 11.99 9.72 11.04 10.51
#>  $ : num [1:5] -3.03 -3.12 -1.79 -2.31 -2.84
关于rnorm,有三个参数,个数,均值,标准差。他们的默认顺序是个数-均值-标准差,想要改变顺序,需要指定参数名。
2个参数多次改变,生成多组数据
[AppleScript] 纯文本查看 复制代码
rnorm(10)
#>  [1]  0.65730448  0.09405843 -0.97479908 -1.28342701  0.67344511
#>  [6] -0.13338635 -1.62213469 -0.27219989 -0.36645900  2.14604270
rnorm(5,10)
#> [1] 10.531237 11.055287 10.223192 10.169048  9.877334
rnorm(5,n=10)
#>  [1] 5.890862 4.368264 5.896254 5.711182 4.555885 5.992307 6.263651
#>  [8] 4.281883 3.434235 4.508614
x <- rnorm(5,20,n=100)
sd(x)
#> [1] 20.61705
mean(x)
#> [1] 4.588476
同一个函数中两个参数不同,用map2
三个以上参数不同,用pmap,需要用多个等长列表保存不同参数,最好使用命名参数。可用tribble保存。
函数不同,参数也不同,用invoke_map()
8.游走函数
重要的是保存结果,如多张ggplot绘图保存(小本本已记下)
[AppleScript] 纯文本查看 复制代码
library(ggplot2)
     plots <- mtcars %>%
       split(.$cyl) %>%
       map(~ggplot(., aes(mpg, wt)) + geom_point())
     paths <- stringr::str_c(names(plots), ".pdf")
pwalk(list(paths, plots), ggsave, path = tempdir())
#> Saving 7 x 7 in image
#> Saving 7 x 7 in image
#> Saving 7 x 7 in image
9.for循环的其他模式(1)预测函数
keep和discard
保留true或false对应的元素
some和every
对某个元素是否为真,对所有元素是否为真
我的理解,some是:是否存在为真的元素。
[AppleScript] 纯文本查看 复制代码
x <- list(1:5, letters, list(10))
x %>%
       some(is_integer) 
#> [1] TRUE
x %>%
       some(is_character)  
#> [1] TRUE
detect和detect_index
第一个true的值和位置
head_while tail_while
据我目测最后两个函数应该是各自查找一半。
(2)归约与累计
reduce和accumulate
reduce() 函数使用一个“二元”函数(即具有两个基本输入的函数),将其不断应用于一个列表,直到最后只剩下一个元素为止。
累计函数与归约函数很相似,但前者会保留所有中间结果。

生信技能树公益视频合辑:学习顺序是linux,r,软件安装,geo,小技巧,ngs组学!
B站链接:https://m.bilibili.com/space/338686099
YouTube链接:https://m.youtube.com/channel/UC67sImqK7V8tSWHMG8azIVA/playlists
生信工程师入门最佳指南:https://mp.weixin.qq.com/s/vaX4ttaLIa19MefD86WfUA
学徒培养:https://mp.weixin.qq.com/s/3jw3_PgZXYd7FomxEMxFmw
资料大全:https://mp.weixin.qq.com/s/QcES9u1vYh-l6LMXPgJIlA
[size=0em]​




上一篇:小洁详解《R数据科学》--第十六章 purrr(上)
下一篇:小洁详解《R数据科学》--第17章 使用modelr实现基础模型
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|生信技能树 ( 粤ICP备15016384号  

GMT+8, 2019-9-22 02:09 , Processed in 0.039081 second(s), 28 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.