Wprowadzenie do mapperów

Funkcyjne programowanie średnio zaawansowane z purrr

Colin Fay

Data Scientist & R Hacker at ThinkR

.f w purrr

Funkcja:

dla każdego elementu .x
wykonaj .f(.x, ...)

Liczba $n$:

dla każdego elementu .x
wykonaj .x[$n$]

Wektor znakowy $z$

dla każdego elementu .x
wykonaj .x[$z$]

.f jako funkcja

Gdy .f jest funkcją, może być:

Klasyczną funkcją

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

Funkcją lambda (anonimową)

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

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

Mappery: część 1

mapper: funkcja anonimowa z formułą jednostronną

# Z jednym parametrem 
map_dbl(visits2017, ~ round(mean(.x)))

# Równoważne z 
map_dbl(visits2017, ~ round(mean(.)))

# Równoważne z 
map_dbl(visits2017, ~ round(mean(..1)))

Mappery: część 2

mapper: funkcja anonimowa z formułą jednostronną

# Z dwoma parametrami
map2(visits2016, visits2017, ~ .x + .y)

# Równoważne z 
map2(visits2016, visits2017, ~ ..1 + ..2)

# Z więcej niż dwoma parametrami
pmap(list, ~ ..1 + ..2 + ..3)

as_mapper()

as_mapper(): tworzenie obiektów mapper z funkcji lambda

# Klasyczna funkcja 
round_mean <- function(x){
    round(mean(x))
}

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

Dlaczego mappery?

Mappery są:

Zwięzłe
Czytelne
Wielokrotnego użytku

Tworzenie mapperów

Czas na ćwiczenia!

Funkcyjne programowanie średnio zaawansowane z purrr