鉴於andrew大大的提议，现下刚好有闲就来写一系列资料整理套件的文章 版上比我熟这些套件的人也不少，如果不足的部分，再麻烦帮忙补充 目前想要介绍的套件有 (後面列一些我常用的function) - magrittr : pipe operator如 '%>%', '%<>%', '%T>%', '%$%' - data.table: class 'data.table', dcast.data.table, melt, fread, duplicated, transform, rbindlist, merge - reshape2 : dcast, melt (required for data.table) - plyr : name_rows, colwise, mapvalues - dplyr : mutate, summarise, arrange, filter, distinct, group_by, n, select, rowwise, tbl_dt, mutate_each, summarise_each - tidyr : gather, separate, spread 这篇的重点放在 magrittr，因为後面我会大量使用pipe operator来写程式码 我尽量每一个operator用简单一点的方式说明，如果不太了解再麻烦告知 程式码部分，我都会用` R 跟 ` 做引号 1. '%>%' 这个operator用来传递数值，避免过多的nest造成阅读上的困难 像是 a_list = list(1:6, 3:5, 4:7) lapply(a_list, function(x) setdiff(sort(unique(unlist(a_list))), x)) 第二行拆解阅读是很困难的，但是写成 a_list %>% unlist %>% unique %>% sort %>% { lapply(a_list, setdiff, x = .) } 阅读上会容易很多 举一个简单的例子，来说明 '%>%'的用法 ` R a = 1 f = function(a) a + 1 f(a) a %>% f a %>% f() a %>% f(.) ` 跑上面的程式可以发现，最後四个output都一样 其实 %>% 做的就是把 左边变数 放进 右边函数里做执行 也就是说 f(a) 等同於 a %>% f (或是上面其他三种) 另外，可能会觉得 `a %>% f(.)`会很奇怪 在magrittr中， `.`就是用来代表%>%前面的变数 所以 a %>% f(.) 程式会把.的位置换成a，变成 f(a) `.` 在magrittr的应用中，会占很大的比例 像是do.call, Reduce第一个input是function，第二个是list 我们通常传入list，所以此时必须用 . 做位置的控制 再者，c, cbind, rbind会根据位置不同来决定是合并於何处 也是一个很重要的问题，因此，用 `.`做传入位置的控制是必须的 针对这个，我给一段简单的程式码让你去试试看 ` R a_list = list(1:5, 3:7, 6:10) a_list %>% do.call(rbind, .) a_list %>% Reduce(cbind, .) 1:5 %>% rbind(3:7, .) 1:5 %>% rbind(., 3:7) f = function(x, a, b) a*x^2 + b 1:5 %>% f(., 2, 5) # 同 1:5 %>% f(2, 5) 1:5 %>% f(2, ., 5) 1:5 %>% f(2, 5, .) ` 再者，%>% 也可以传入一个block (用{}括住的部分) 像是前面提到的 ` R a_list = list(1:6, 3:5, 4:7) a_list %>% unlist %>% unique %>% sort %>% { lapply(a_list, setdiff, x = .) } ` 先说明怎麽阅读 %>%的部分 a_list %>% unlist %>% unique %>% sort 就是 a_list把全部元素合并(unlist)，然後取唯一(unique)，接着排列所有元素(sort) 就照着%>%的顺序去读就可以顺利解读 再来就是block的部分 {}括住之後，里面的只要不是其他%>%後面的 `.`都代表你前面传入的值 这样很难懂，举个例子 ` R 1:2 %>% { list( cbind(9:10, .), 3:4 %>% cbind(9:10, .) ) } ` output长这样 [[1]] . [1,] 9 1 [2,] 10 2 [[2]] . [1,] 9 3 [2,] 10 4 可以看到第一个可以很直觉的解读，9:10是跟传入的1:2做行合并 而第二个`.`，因为前面有了一个新的 '%>%' 所以这一个`.`就被前面的 3:4取代 所以第二个output变成9:10跟3:4做行合并 2. '%<>%' 如果懂了 %>%， 这个就不难了 先看简单的例子 (add是magrittr提供用在 %>%上的 `+` (这部分请看最後面的补充)) ` R a = 1 a %>% add(1) # 同 a %>% '+'(1) or a %>% '+'(., 1) a # 1 a %<>% add(1) a # 2 ` 这个例子可以看的出来 %<>% 除了传入变数之外，也会改变传入变数的值 也就是可以把 a %<>% add(1) 看成 a = a + 1 你如果有一串要做最後赋值给你传入的变数 只需要在第一个传导变数的operator做改变即可，举例来说： ` R dat = data.frame(a = 1:3, b = 8:10) dat = dat %>% rbind(dat) dat2 = data.frame(a = 1:3, b = 8:10) dat2 %<>% rbind(dat2) all.eqaul(dat, dat2) # TRUE ` 3. '%T>%' %T>% 只传递变数，不回传值，通常用来传递到不回传值的function上 像是plot, library, install.packages, plyr的 *_ply等 这个operator可以帮你把前面做好的值赋予一个变数 并且同时做後面function的动作，举例来说： ` R dat = data.frame(a = rep(1:3,2), b = rnorm(6)) dat2 = dat %>% {tapply(.$b, .$a, sum)} %>% { data.frame(a=names(.) %>% as.integer, b = .) } %T>% plot(.$a, .$b) ` 这里dat2就是一个新的data.frame，同时，我们也把a, b的scatter plot画出来 这部分可以用dplyr的group_by以及summarise完成 还没提到dplyr，所以我们先用替代方法做 这里顺便把第四个operator '%$%'一起说明 dat %>% {tapply(.$b, .$a, sum)} 会不会觉得很冗长，也很容易忘记要放'.$' 但是，'%$%'提供了直接把前面变数的元素 直接以名字做操作 再也不需要 .$name这麽麻烦，直接用 name做你想要的操作就好 因此，那行就可以简单写成 dat %$% tapply(b, a, sum) 是不是就变得简单的很多？ 4. '%$%' 前面提到了，这里就给一个例子就好 ` R a = 3 b = -2 x = rnorm(100) y = a + b * x + rnorm(100) fit = lm(y ~ x) sigma_hat = fit %$% {crossprod(residuals) / df.residual} ` 下一章应该会介绍data.table跟reshape2，後会有期。 补充： magrittr提供很多其他function的别名 像是 '+', '*', '[', '[[', '<- rownames()'等等 有兴趣请去magrittr的manual查看extract的部分 这个可以让你写pipe chain的时候更加顺手 像是 vals = 1:3 %>% data.frame(a = ., b = .^2) %>% set_rownames(LETTERS[1:3]) %>% lm(b ~ a, data = .) %>% predict 不然你可能会这样写 dat = 1:3 %>% data.frame(a = ., b = .^2) rownames(dat) = LETTERS[1:3] vals = dat %>% lm(b ~ a, data = .) %>% predict 你可能只是要vals这个变数，你却还要多创一个dat这个暂存变数，而中断chain [关键字]: magrittr --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 123.205.27.107 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1437452331.A.CD1.html ※ 编辑: celestialgod (140.109.74.87), 12/31/2015 13:06:30