Introdução a mappers

Programação Funcional Intermediária com purrr

Colin Fay

Data Scientist & R Hacker at ThinkR

.f no purrr

Uma função:

para cada elemento de .x
executar .f(.x, ...)

Um número $n$:

para cada elemento de .x
executar .x[$n$]

Um vetor de caracteres $z$

para cada elemento de .x
executar .x[$z$]

.f como função

Quando é uma função, .f pode ser:

Uma função clássica

my_fun <- function(x) {
  round(mean(x))
}
map_dbl(visit_2014, my_fun)

 [1]  5526  6546  6097  7760
 [5]  7025  7162 10484  8256
 [9]  6558  7686  5723  5053

Uma função lambda (anônima)

map_dbl(visit_2014, function(x) {
  round(mean(x))
})

 [1]  5526  6546  6097  7760
 [5]  7025  7162 10484  8256
 [9]  6558  7686  5723  5053

Mappers: parte 1

mapper: função anônima com fórmula unilateral

# Com um parâmetro 
map_dbl(visits2017, ~ round(mean(.x)))

# Equivale a 
map_dbl(visits2017, ~ round(mean(.)))

# Equivale a 
map_dbl(visits2017, ~ round(mean(..1)))

Mappers: parte 2

mapper: função anônima com fórmula unilateral

# Com dois parâmetros
map2(visits2016, visits2017, ~ .x + .y)

# Equivale a 
map2(visits2016, visits2017, ~ ..1 + ..2)

# Com mais de dois parâmetros
pmap(list, ~ ..1 + ..2 + ..3)

as_mapper()

as_mapper(): cria objetos mapper a partir de uma função lambda

# Função clássica 
round_mean <- function(x){
    round(mean(x))
}

# Como mapper
round_mean <- as_mapper(~ round(mean(.x))))

Por que mappers?

Mappers são:

Concisos
Fáceis de ler
Reutilizáveis

Criar mappers

Vamos praticar!

Programação Funcional Intermediária com purrr