鑒於andrew大大的提議，現下剛好有閒就來寫一系列資料整理套件的文章 版上比我熟這些套件的人也不少，如果不足的部分，再麻煩幫忙補充 目前想要介紹的套件有 (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 這篇的重點放在 magrittr，因為後面我會大量使用pipe operator來寫程式碼 我盡量每一個operator用簡單一點的方式說明，如果不太了解再麻煩告知 程式碼部分，我都會用` R 跟 ` 做引號 1. '%>%' 這個operator用來傳遞數值，避免過多的nest造成閱讀上的困難 像是 a_list = list(1:6, 3:5, 4:7) lapply(a_list, function(x) setdiff(sort(unique(unlist(a_list))), x)) 第二行拆解閱讀是很困難的，但是寫成 a_list %>% unlist %>% unique %>% sort %>% { lapply(a_list, setdiff, x = .) } 閱讀上會容易很多 舉一個簡單的例子，來說明 '%>%'的用法 ` R a = 1 f = function(a) a + 1 f(a) a %>% f a %>% f() a %>% f(.) ` 跑上面的程式可以發現，最後四個output都一樣 其實 %>% 做的就是把 左邊變數 放進 右邊函數裡做執行 也就是說 f(a) 等同於 a %>% f (或是上面其他三種) 另外，可能會覺得 `a %>% f(.)`會很奇怪 在magrittr中， `.`就是用來代表%>%前面的變數 所以 a %>% f(.) 程式會把.的位置換成a，變成 f(a) `.` 在magrittr的應用中，會佔很大的比例 像是do.call, Reduce第一個input是function，第二個是list 我們通常傳入list，所以此時必須用 . 做位置的控制 再者，c, cbind, rbind會根據位置不同來決定是合併於何處 也是一個很重要的問題，因此，用 `.`做傳入位置的控制是必須的 針對這個，我給一段簡單的程式碼讓你去試試看 ` 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，%>% 也可以傳入一個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 = .) } ` 先說明怎麼閱讀 %>%的部分 a_list %>% unlist %>% unique %>% sort 就是 a_list把全部元素合併(unlist)，然後取唯一(unique)，接著排列所有元素(sort) 就照著%>%的順序去讀就可以順利解讀 再來就是block的部分 {}括住之後，裡面的只要不是其他%>%後面的 `.`都代表你前面傳入的值 這樣很難懂，舉個例子 ` R 1:2 %>% { list( cbind(9:10, .), 3:4 %>% cbind(9:10, .) ) } ` output長這樣 [[1]] . [1,] 9 1 [2,] 10 2 [[2]] . [1,] 9 3 [2,] 10 4 可以看到第一個可以很直覺的解讀，9:10是跟傳入的1:2做行合併 而第二個`.`，因為前面有了一個新的 '%>%' 所以這一個`.`就被前面的 3:4取代 所以第二個output變成9:10跟3:4做行合併 2. '%<>%' 如果懂了 %>%， 這個就不難了 先看簡單的例子 (add是magrittr提供用在 %>%上的 `+` (這部分請看最後面的補充)) ` R a = 1 a %>% add(1) # 同 a %>% '+'(1) or a %>% '+'(., 1) a # 1 a %<>% add(1) a # 2 ` 這個例子可以看的出來 %<>% 除了傳入變數之外，也會改變傳入變數的值 也就是可以把 a %<>% add(1) 看成 a = a + 1 你如果有一串要做最後賦值給你傳入的變數 只需要在第一個傳導變數的operator做改變即可，舉例來說： ` 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>% 只傳遞變數，不回傳值，通常用來傳遞到不回傳值的function上 像是plot, library, install.packages, plyr的 *_ply等 這個operator可以幫你把前面做好的值賦予一個變數 並且同時做後面function的動作，舉例來說： ` 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, .$b) ` 這裡dat2就是一個新的data.frame，同時，我們也把a, b的scatter plot畫出來 這部分可以用dplyr的group_by以及summarise完成 還沒提到dplyr，所以我們先用替代方法做 這裡順便把第四個operator '%$%'一起說明 dat %>% {tapply(.$b, .$a, sum)} 會不會覺得很冗長，也很容易忘記要放'.$' 但是，'%$%'提供了直接把前面變數的元素 直接以名字做操作 再也不需要 .$name這麼麻煩，直接用 name做你想要的操作就好 因此，那行就可以簡單寫成 dat %$% tapply(b, a, sum) 是不是就變得簡單的很多？ 4. '%$%' 前面提到了，這裡就給一個例子就好 ` R a = 3 b = -2 x = rnorm(100) y = a + b * x + rnorm(100) fit = lm(y ~ x) sigma_hat = fit %$% {crossprod(residuals) / df.residual} ` 下一章應該會介紹data.table跟reshape2，後會有期。 補充： magrittr提供很多其他function的別名 像是 '+', '*', '[', '[[', '<- rownames()'等等 有興趣請去magrittr的manual查看extract的部分 這個可以讓你寫pipe chain的時候更加順手 像是 vals = 1:3 %>% data.frame(a = ., b = .^2) %>% set_rownames(LETTERS[1:3]) %>% lm(b ~ a, data = .) %>% predict 不然你可能會這樣寫 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這個變數，你卻還要多創一個dat這個暫存變數，而中斷chain [關鍵字]: magrittr --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.205.27.107 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1437452331.A.CD1.html ※ 編輯: celestialgod (140.109.74.87), 12/31/2015 13:06:30