purrr鲜为人知的技巧

小灰灰 2022-05-28 07:18 383阅读 0赞

`purrr` 是一个拓展R函数式编程能力的包。它会涉及到很多东西，在这篇文章中，我会展示在`purrr`中最重要的（至少对我来说）几个函数。

## 用`map`函数来摆脱循环 ##

library(purrr)
    
    numbers <- list(11, 12, 13, 14)
    
    map_dbl(numbers, sqrt)

## [1] 3.316625 3.464102 3.605551 3.741657

你可能想知道为什么这可能比for循环更受欢迎？因为它更简洁，你不需要初始化任何类型的结构来保存结果。如果用google “create empty list in R”，你会发现它很普遍。然而，有了`map`函数族，将不需要初始化结构。`map_dbl`函数会返回一个实数原子列表(atomic list)，`map`函数会返回一个列表，去试一下吧。

## 在某些list上使用map ##

#### map\_if() ####

#创造一个辅助函数，如果为偶数则返回TRUE
    is_even <- function(x){
         
      !as.logical(x %% 2)
    }
    map_if(numbers, is_even, sqrt)

## [[1]]
    ## [1] 11
    ## 
    ## [[2]]
    ## [1] 3.464102
    ## 
    ## [[3]]
    ## [1] 13
    ## 
    ## [[4]]
    ## [1] 3.741657

#### map\_at() ####

map_at(numbers, c(1,3), sqrt)

## [[1]]
    ## [1] 3.316625
    ## 
    ## [[2]]
    ## [1] 12
    ## 
    ## [[3]]
    ## [1] 3.605551
    ## 
    ## [[4]]
    ## [1] 14

`map_if()` 和 `map_at()` 比`map`拥有更多的参数；如果是`map_if()`，则是用一个判断函数(一个返回`TRUE` 或者`FALSE`的函数)，`map_at`则是用一个位置向量。这样只有在满足某一条件时才会映射你的函数，这也是很多人google寻找的东西。

## 在多个参数中映射一个函数 ##

numbers2 <- list(1, 2, 3, 4)
    
    map2(numbers, numbers2, `+`)

## [[1]]
    ## [1] 12
    ## 
    ## [[2]]
    ## [1] 14
    ## 
    ## [[3]]
    ## [1] 16
    ## 
    ## [[4]]
    ## [1] 18

`map_2`函数可以输入2个参数来

你可以使用`map_2`函数将两个列表映射到一个函数，你甚至可以使用`pmap()`函数将任意数量的列表映射到任何函数。

## 如果出现问题，不要停止执行你的函数 ##

possible_sqrt <- possibly(sqrt, otherwise = NA_real_)
    
    numbers_with_error <- list(1, 2, 3, "spam", 4)
    
    map(numbers_with_error, possible_sqrt)

## [[1]]
    ## [1] 1
    ## 
    ## [[2]]
    ## [1] 1.414214
    ## 
    ## [[3]]
    ## [1] 1.732051
    ## 
    ## [[4]]
    ## [1] NA
    ## 
    ## [[5]]
    ## [1] 2

另一个很常见的问题：即使报错，也要继续执行你的循环。在大多数情况下，循环会在错误处停止，但是你想让他继续跑下去，看看哪里出错了。去google “skip error in a loop” 你会发现有很多人也想这样做。其实只要结合`map()`函数与`possibly()`函数就可以了。大多数解决方案可以会说使用`tryCatch`函数，但我个人感觉它不太好用。

## 如果出现错误，不要停止执行函数并捕获错误 ##

safe_sqrt <- safely(sqrt, otherwise = NA_real_)
    
    map(numbers_with_error, safe_sqrt)

## [[1]]
    ## [[1]]$result
    ## [1] 1
    ## 
    ## [[1]]$error
    ## NULL
    ## 
    ## 
    ## [[2]]
    ## [[2]]$result
    ## [1] 1.414214
    ## 
    ## [[2]]$error
    ## NULL
    ## 
    ## 
    ## [[3]]
    ## [[3]]$result
    ## [1] 1.732051
    ## 
    ## [[3]]$error
    ## NULL
    ## 
    ## 
    ## [[4]]
    ## [[4]]$result
    ## [1] NA
    ## 
    ## [[4]]$error
    ## <simpleError in sqrt(x = x): non-numeric argument to mathematical function>
    ## 
    ## 
    ## [[5]]
    ## [[5]]$result
    ## [1] 2
    ## 
    ## [[5]]$error
    ## NULL

`safely`函数与`possibly`函数很相似，但是它会在列表中返回列表。因此元素是结果和伴随错误消息的列表。如果没有错误，则返回`NULL`。如果有错误，则返回错误信息。

## 转置一个列表 ##

safe_result_list <- map(numbers_with_error, safe_sqrt)
    
    transpose(safe_result_list)

## $result
    ## $result[[1]]
    ## [1] 1
    ## 
    ## $result[[2]]
    ## [1] 1.414214
    ## 
    ## $result[[3]]
    ## [1] 1.732051
    ## 
    ## $result[[4]]
    ## [1] NA
    ## 
    ## $result[[5]]
    ## [1] 2
    ## 
    ## 
    ## $error
    ## $error[[1]]
    ## NULL
    ## 
    ## $error[[2]]
    ## NULL
    ## 
    ## $error[[3]]
    ## NULL
    ## 
    ## $error[[4]]
    ## <simpleError in sqrt(x = x): non-numeric argument to mathematical function>
    ## 
    ## $error[[5]]
    ## NULL

这里我们转置了一个列表。这意味着我们仍然返回列表中的列表，但是第一个列表里面全是`results`,可通过`safe_result_list$result`得到;第二个列表中全是`errors`,可以通过 `safe_result_list$error`得到，这是很有用的。

## 将函数应用到列表的更底层 ##

transposed_list <- transpose(safe_result_list)
    
    transposed_list %>%
        at_depth(2, is_null)

## Warning: at_depth() is deprecated, please use `modify_depth()` instead

## $result
    ## $result[[1]]
    ## [1] FALSE
    ## 
    ## $result[[2]]
    ## [1] FALSE
    ## 
    ## $result[[3]]
    ## [1] FALSE
    ## 
    ## $result[[4]]
    ## [1] FALSE
    ## 
    ## $result[[5]]
    ## [1] FALSE
    ## 
    ## 
    ## $error
    ## $error[[1]]
    ## [1] TRUE
    ## 
    ## $error[[2]]
    ## [1] TRUE
    ## 
    ## $error[[3]]
    ## [1] TRUE
    ## 
    ## $error[[4]]
    ## [1] FALSE
    ## 
    ## $error[[5]]
    ## [1] TRUE

有时候处理列表嵌套列表的数据会很棘手，特别是当我们想在子列表中应用一个函数时。但是使用`at_depth()`函数将会变得很简单。

## 对列表元素进行命名 ##

name_element <- c("sqrt()", "ok?")
    
    set_names(transposed_list, name_element)

## $`sqrt()`
    ## $`sqrt()`[[1]]
    ## [1] 1
    ## 
    ## $`sqrt()`[[2]]
    ## [1] 1.414214
    ## 
    ## $`sqrt()`[[3]]
    ## [1] 1.732051
    ## 
    ## $`sqrt()`[[4]]
    ## [1] NA
    ## 
    ## $`sqrt()`[[5]]
    ## [1] 2
    ## 
    ## 
    ## $`ok?`
    ## $`ok?`[[1]]
    ## NULL
    ## 
    ## $`ok?`[[2]]
    ## NULL
    ## 
    ## $`ok?`[[3]]
    ## NULL
    ## 
    ## $`ok?`[[4]]
    ## <simpleError in sqrt(x = x): non-numeric argument to mathematical function>
    ## 
    ## $`ok?`[[5]]
    ## NULL

## 对列表进行reduce操作，使之变成一个值 ##

reduce(numbers, `*`)

## [1] 24024

下面是 `accumulate()`函数：

accumulate(numbers, `*`)

## [1]    11   132  1716 24024

它会保存中间结果。  
若用`accumulate_right()` 则为 从右向左

这个函数非常常用，你可以`reduce`任何东西：

矩阵：

mat1 <- matrix(rnorm(10), nrow = 2)
    mat2 <- matrix(rnorm(10), nrow = 2)
    mat3 <- matrix(rnorm(10), nrow = 2)

list_mat <- list(mat1, mat2, mat3)
    
    reduce(list_mat, `+`)#结果等同于mat1+mat2+mat3

##             [,1]       [,2]       [,3]     [,4]      [,5]
    ## [1,] -2.48530177  1.0110049  0.4450388 1.280802 1.3413979
    ## [2,]  0.07596679 -0.6872268 -0.6579242 1.615237 0.8231933

甚至数据框：

df1 <- as.data.frame(mat1)
    df2 <- as.data.frame(mat2)
    df3 <- as.data.frame(mat3)
    
    list_df <- list(df1, df2, df3)
    
    reduce(list_df, dplyr::full_join)

## Joining, by = c("V1", "V2", "V3", "V4", "V5")
    ## Joining, by = c("V1", "V2", "V3", "V4", "V5")
    ##           V1         V2          V3          V4         V5
    ## 1 -0.6264538 -0.8356286  0.32950777  0.48742905  0.5757814
    ## 2  0.1836433  1.5952808 -0.82046838  0.73832471 -0.3053884
    ## 3 -0.8969145  1.5878453 -0.08025176  0.70795473  1.9844739
    ## 4  0.1848492 -1.1303757  0.13242028 -0.23969802 -0.1387870
    ## 5 -0.9619334  0.2587882  0.19578283  0.08541773 -1.2188574
    ## 6 -0.2925257 -1.1521319  0.03012394  1.11661021  1.2673687

希望你能喜欢这些有用的列变函数。

[原文地址][Link 1]

解释下map，reduce

举例说明，比如我们有一个函数$f(x)=x^2$，要把这个函数作用在一个list `[1, 2, 3, 4, 5, 6, 7, 8, 9]`上，就可以用`map()`实现如下：

举例说明，比如我们有一个函数f(x)=x^2，要把这个函数作用在一个list(1, 2, 3, 4, 5, 6, 7, 8, 9)上，就可以用map()实现如下：  map(list(1:9),function(x)x^2)
                f(x) = x * x
    
                      │
                      │
      ┌───┬───┬───┬───┼───┬───┬───┬───┐
      │   │   │   │   │   │   │   │   │
      ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼
    
    [ 1   2   3   4   5   6   7   8   9 ]
    
      │   │   │   │   │   │   │   │   │
      │   │   │   │   │   │   │   │   │
      ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼
    
    [ 1   4   9  16  25  36  49  64  81 ]

reduce(list(x1, x2, x3, x4),f) = f(f(f(x1, x2), x3), x4)

[Link 1]: http://www.brodrigues.co/blog/2017-03-24-lesser_known_purrr/