不写R包的分析师不是好全栈

如何不污染作用域

    R

JS代码里面有个有趣的函数写法, 是把一个函数定义好之后立即执行, 这样函数内部的内容不会污染整个作用域(大概可以用这个词吧)

1
2
3
(function(){
 XXX
})()

虽然这样的代码在R里面也是可以用滴, 但是相比于JS这种写法的流行程度, 在R里面基本没怎么见人用过,
非要强说的话apply类函数里面也是有这样的匿名函数, 但是不太常见这种定义立即执行的过程.

然而仔细想想还是有几个使用的场景的

读取数据并执行操作

一个经典的例子是读取数据, 做一些操作, 做好之后把结果存在另一个文件里面, 如何保证变量空间中绝对干净?
可以使用这样的定义执行过程:

1
2
3
4
5
6
7
(function(){
 dat = read.csv("data/dat.csv")
 model = lm(y~.,dat)
 res = predict(model,newx=dat)
 dat$res = res
 write.csv(dat, "data/datResult.csv")
})()

当然, 这只是省掉了rm(dat,model,res)这样一句代码

do的过程

这个东西感觉又是个冷门的很的知识, 这个do来源于dplyr::do的函数(plyr中也有, 但不做讨论), 这个do的功能是对一个group_by
之后的数据框做汇总整理, 再返回一个数据框

比如帮助文档里面有这样的一个例子:

对数据的cyl进行group by, 对每个小组训练一个线性模型, 再取出它的参数, 需要分两步do执行

1
2
3
4
5
by_cyl <- group_by(mtcars, cyl)
do(by_cyl, head(., 2))
# 根据groupby 训练N个模型
models <- by_cyl %>% do(mod = lm(mpg ~ disp, data = .))
models

1
2
3
4
5
6
7
8
9
Source: local data frame [3 x 2]
Groups: <by row>

# A tibble: 3 × 2
    cyl      mod
* <dbl>   <list>
1     4 <S3: lm>
2     6 <S3: lm>
3     8 <S3: lm>
1
2
# 提取参数
models %>% do(data.frame(coef = coef(.$mod)))
1
2
3
4
5
6
7
8
9
10
11
12
Source: local data frame [6 x 1]
Groups: <by row>

# A tibble: 6 × 1
          coef
*        <dbl>
1 40.871955322
2 -0.135141815
3 19.081987419
4  0.003605119
5 22.032798914
6 -0.019634095

但如果用定义函数立即执行的操作, 是可以在函数内部为所欲为的写代码了:

1
2
3
4
models2 <- by_cyl %>% do((function(){
		mod = lm(mpg ~ disp, data = .)
		data.frame(coef = coef(mod))
	})())
1
2
3
4
5
6
7
8
9
10
11
Source: local data frame [6 x 2]
Groups: cyl [3]

    cyl         coef
  <dbl>        <dbl>
1     4 40.871955322
2     4 -0.135141815
3     6 19.081987419
4     6  0.003605119
5     8 22.032798914
6     8 -0.019634095

恩恩, 大概就是这样, GL, HF~

page PV:  ・  site PV:  ・  site UV: