Förbättra läsbarheten med Chain.jl

Datamanipulering i Julia

Katerina Zahradova

Instructor

Problem med komplicerad kod

# Not readable 
combine(groupby(
    select(wages, :year, :eff_2020)
        :year),
        :eff_2020 => mean)

# Easy to forget a bracket
combine(groupby(wages, :year, ... )

syntax: incomplete: 
premature end of input ...

# Many intermediate variables
w_tmp = select(wages, :state, :year, :eff_2020)
year_groups = groupby(w_tmp, :year)
combine(year_groups, :eff_2020 => mean)

# Easy to overwrite something important
select!(wages, :year, :eff_2020)
groupby(wages, :state)

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

Vad är piping?

Kodningsmetod
Kombinerar flera funktionsanrop i följd
Håller koden lättläst
Inga mellanresultat behöver sparas
Ingen nästling

Piping

Använda Chain.jl

Beräknar genomsnittlig minimilön per år

väljer rätt kolumner
grupperar DataFrame efter :year
beräknar genomsnittet per år

@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
...

Piping med _

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

    # Use _ to pipe in multiple places
    plot(_.year, _.eff_2020_mean)

end

Graf över effektiv minimilön över åren

Hoppa över piping med @aside

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

    # Use @aside to skip piping
    @aside plot(_.year,_.eff_2020_mean)
    plot!(_.year,_.state_2020_mean)

end

Graf som jämför statlig lön och minimilön

Spara resultatet

# Save the output of the chain macro as a variable
wages_mean_by_year = @chain wages begin
    select(:state, :year, :eff_2020, :state_2020)
    groupby(:year)
    combine([:eff_2020, :state_2020] .=> mean)
end
# Print the first line
println(first(wages_mean_by_year))

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

Nu kör vi en övning!

Datamanipulering i Julia