Rpurrr（二）

在接下来，我们将学习和使用purrr包，它提供的很多函数可以替代很多常见的for循环的应用。R基础包的应用函数组（apply， lapply， tapply等）也可以完成类似的任务，但是purrr包的函数更一致，也更利于学习。

使用purrr函数代替for循环的目的是将常见的列表的处理问题分解为独立的几个部分

• 1 对于列表中的单个元素，你能找到解决问题的方法吗？如果找到了解决方法，那么你就可以使用purrr将这种方法拓展到列表中的所有元素
• 2 如果你面临着非常复杂的问题，那么如何将它们几个可行的子问题，然后循序渐进的解决，直至完成最终的解决方案？使用purrr，你可以解决很多子问题，然后通过管道操作将这些问题的结果组合起来。

映射函数

我们在R里面的进行的for循环，通常是先对向量进行循环，然后对其每个元素进行一番处理，最后保存结果。，这种模式太普遍，purrr包提供了一系列的函数来完成这种操作。每种类型的输出都有一个相应的函数。

• map（）输出列表 list
• map_lgl（）输出逻辑型向量 vector
• map_int() 输出整型向量 vector
• map_dbl() 输出双精度型向量 vector
• map_chr() 输出字符型向量 vector
  每个函数都使用一个向量作为输入，并对向量的每个元素应用一个函数，然后返回和输入向量相同的长度的一个新向量。向量的类型由映射函数的后缀决定。

一旦掌握了这些函数，你就会发现可以在解决迭代问题时节省大量时间。但你无须因为使用了for循环，没有使用映射函数而感到内疚。映射函数是一个高度抽象，需要花费很长时间才能理解其工作原理。重要的事情的是解决遇到的问题，而不是写出最优雅的代码（尽管肯定也要为之努力）
可能有些人会说，不要使用for循环，因为它们很慢，这些人完全错了！（因为for循环已经很多年都不慢了）。 使用map（）函数的主要优势不是速度，而是简洁：它们可以让你的代码更易编写，也更易读。

因此，我们可以改写for循环的操作。因为那些函数返回的为双精度数，所以我们需要使用map_dbl()函数.

• map_dbl(df, mean)
• map_dbl(df, median)
• map_dbl(df, sd)
  映射函数的重点是需要map匹配的函数，该函数也就是我们需要进行的操作。

如果使用管道工具，这一点就更加明显

• df %>% map_dbl(mean)
• df %>% map_dbl(median)
• df %>% map_dbl(sd)
  map_*系列函数与for循环函数具有以下区别：
• 所有的purrr函数均是用C实现的，这使得他们的速度非常快。
• 第二个参数（.f ,是要应用的函数），可以是一个公式、一个字符向量或一个整型向量
• map_*() 使用&＃8230;向.f传递一些附加参数，供其每次调用时使用。

插播体会group_by函数和split函数区别
split函数返回的对象为各个分类对象组成的list对象,而purrr通常要求输入对象为list。因此，split分组函数常和purrr函数搭配

切分变量函数中， 必须加上mtcars$或者用.$，否则会报错

mtcars%>%
split(mtcars$cyl)
# 切分变量函数中， 必须加上mtcars，否则会报错


image.png

如下：该结果必须要由list来接受output

mtcars%>%
split(.$cyl) %>%
map(function(df) lm(mpg~wt, data=df))


image.png

因为R中创建匿名函数的语法比较繁琐，所以purrr提供了一种更加方便的快捷方式——单侧公式：

mtcars%>%
split(.$cyl) %>%
map(~lm(mpg~wt, data=.))


我们在上面使用了.作为一个代词：它表示当前的列表元素（与for循环中用i表示当前索引是一样的）

当检查多个模型时，有时你会需要提取出像R方这样的摘要统计量。要想完成这个任务，需要先运行summary()函数，然后提取结果中r.squared. 我们可以使用匿名函数的快捷方式来完成这个操作.

models=mtcars%>%
split(.$cyl) %>%
purrr::map(~lm(wt~mpg,data=.))
models%>%
purrr::map(summary)%>%
purrr::map_dbl(~.$r.squared)


因为提取命名成分的这种操作十分常见，所以purrr提供了一种更为简洁的快捷方式：使用字符串

models%>%
purrr::map(summary)%>%
purrr::map_dbl("r.squared")


当输入对象为data.frame时，每一列为一个变量，相当于for循环中的i

例如：计算iris中每列唯一值的数量


iris%>%
map(function(df) length(unique(df)))
iris%>%
map_df(~length(unique(.)))


To generate 10 random normals for each of μ=−10, 0, 10, and 100: The result is a list of numeric vectors.
使用单侧函数，前面一定要加~,每次输入的数据集用.

map(c(-10,0,10,100),~rnorm(n=10,mean = .))
map(c(-10,0,10,100),function(x) rnorm(n=10,mean = x))


判断类型 map_lgl

判断每一列是否为因子型变量

map_lgl(iris ,is.factor)
iris%>%map_lgl(is.factor)


image.png

映射函数可以处理任何向量，而不仅仅是列表。与列表一样，映射函数将对向量的每个元素应用该函数。通常选择输入对象为list
The expression map(1:5, runif) is equivalent to running runif(1), runif(2), …, runif(5), and collecting the results in a list. The result is a length five list with numeric vectors of sizes one through five。

What does map(-2:2, rnorm, n = 5) do? Why?
What does map_dbl(-2:2, rnorm, n = 5) do? Why?

image.png

这是因为map_dbl希望应用于每个元素的函数返回长度为1的数字向量。而我们这个函数输入为一个元素的时候返回的为5个元素，必须要用list来接受，用其他的必须保证输出的为长度为一的对象。所以，下面的就可以了

image.png

如果我们想要一个数值向量，可以使用map()，然后使用flatten_dbl()

flatten_dbl(map(-2:2, rnorm, n = 5))