Migliorare la leggibilità con Chain.jl

Manipolazione dei dati in Julia

Katerina Zahradova

Instructor

Problemi con codice complicato

# Poco leggibile 
combine(groupby(
    select(wages, :year, :eff_2020)
        :year),
        :eff_2020 => mean)

# Facile dimenticare una parentesi
combine(groupby(wages, :year, ... )

syntax: incomplete: 
fine input prematura ...

# Troppe variabili intermedie
w_tmp = select(wages, :state, :year, :eff_2020)
year_groups = groupby(w_tmp, :year)
combine(year_groups, :eff_2020 => mean)

# Rischi di sovrascrivere qualcosa di importante
select!(wages, :year, :eff_2020)
groupby(wages, :state)

ArgumentError: 
column name "state" not found ...

Cos'è il piping?

Approccio di coding
Unisce più chiamate di funzione in sequenza
Mantiene il codice leggibile
Niente salvataggi intermedi
Niente nidificazione

Pipe

Usare Chain.jl

Calcolare il salario minimo medio per anno

selezionare le colonne giuste
raggruppare il DataFrame per :year
calcolare la media per anno

@chain wages begin

    select(:state, :year, :eff_2020)

    groupby(:year)
    combine(:eff_2020 => mean)

end

53×2 DataFrame
Row    year    eff_2020_mean
       Int64   Float64
_________________________
1      1968    9.28529
...

Pipe con _

@chain wages begin
    select(:state, :year, :eff_2020)
    groupby(:year)
    combine(:eff_2020 => mean)    

    # Usa _ per fare pipe in più punti
    plot(_.year, _.eff_2020_mean)

end

Grafico del salario minimo effettivo nel tempo

Saltare il pipe con @aside

@chain wages begin
    select(:state, :year,
        :eff_2020, :state_2020)
    groupby(:year)
    combine([:eff_2020,
        :state_2020] .=> mean)

    # Usa @aside per saltare il pipe
    @aside plot(_.year,_.eff_2020_mean)
    plot!(_.year,_.state_2020_mean)

end

Confronto tra salario statale ed effettivo

Salvare il risultato

# Salva l'output della macro chain in una variabile
wages_mean_by_year = @chain wages begin
    select(:state, :year, :eff_2020, :state_2020)
    groupby(:year)
    combine([:eff_2020, :state_2020] .=> mean)
end
# Stampa la prima riga
println(first(wages_mean_by_year))

DataFrameRow
Row | year     eff_2020_mean   state_2020_mean
    | Int64    Float64         Float64
____|_________________________________
   1| 1968     9.28529         6.21549

Passons à la pratique !

Manipolazione dei dati in Julia