¿Te asustan las funciones lambda, los mappers y los predicados? ¡No más! Tras refrescar tu memoria sobre purrr, entraremos en Programación Funcional 101, descubriremos las funciones anónimas y los predicados, y veremos cómo usarlos para limpiar y explorar datos.

Fundamentos de purrr: un repaso

Refresca tu memoria de purrr

Otro repaso de purrr

Introducción a los mappers

Crear funciones lambda

Funciones lambda

Usar mappers para limpiar tus datos

Limpia tus datos con keep

Sepárate con keep() y discard()

Predicados

¿Qué es un predicado?

Explorar datos con predicados

Programar con purrr

¿Listo para profundizar en programación funcional y purrr? En este capítulo, descubriremos el concepto de programación funcional, exploraremos el manejo de errores, incluyendo safely() y possibly(), y presentaremos la función compact() para escribir un código más limpio.

Programación funcional en R

Todo lo que sucede es una llamada a función

Identificar funciones puras

Herramientas de programación funcional en purrr

Iteraciones seguras

Crea una función

Usar possibly()

Una versión con possibly() de read_lines()

Todo en una sola llamada

Gestionar los resultados de los adverbios

Perfeccionando nuestra función con purrr

Extraer códigos de estado con GET()

Programación funcional: de la teoría a la práctica

En este capítulo, usaremos purrr para escribir un código más claro, limpio y fácil de mantener. Aprenderemos a escribir funciones limpias con compose() y negate(). También usaremos partial() para componer funciones "pre-rellenando" argumentos de funciones existentes. Por último, presentaremos las columnas de lista (list-columns), una estructura de datos muy práctica que nos ayuda a escribir código limpio usando el Tidyverse.

¿Por qué escribir código más limpio?

Cómo escribir compose()

De vuelta a la oficina

Crear funciones con compose() y negate()

Construye una función

Cuenta los NA

Prellenado de funciones

Un extractor de contenido

Otro extractor

Columnas de lista

Sobre las columnas de tipo lista

Crea un data.frame con una columna de listas

Mejor código con purrr

Cerraremos todo lo aprendido sobre purrr con un caso práctico. Aquí usaremos purrr para analizar datos extraídos de Twitter. Usaremos código limpio para organizar los datos y después identificaremos a los influencers de Twitter de la conferencia de RStudio de 2018.

Descubriendo el conjunto de datos

Jugando con tuits, ronda 1

Identifica perfiles

Extraer información del conjunto de datos

Contar favoritos

Extraer menciones

Manipular URLs

Analizando URLs

Jugando con URLs

Identificar influencers

Dividir el conjunto de datos

¡Ya tenemos ganador!

¡Enhorabuena!

Caso práctico

¿Alguna vez te has preguntado a qué se refiere la descripción de purrr (“A functional programming toolkit for R”)? ¡Entonces estás en el lugar adecuado! Este curso te guiará por la parte de programación funcional de purrr; en otras palabras, aprenderás a sacar todo el partido a la flexibilidad que ofrece .f en map(.x, .f) para iterar sobre otras listas, vectores y data.frame con un código robusto, limpio y fácil de mantener. A lo largo del curso, aprenderás a escribir tus propios mappers (o funciones lambda) y a usar predicados y adverbios. Por último, aplicarás estos conocimientos en un caso práctico para que veas cómo usar lo aprendido en un ejemplo concreto con una lista anidada sencilla: cómo extraer, conservar o descartar elementos, cómo componer funciones para manipular y analizar los resultados de esa lista, cómo integrar el flujo de trabajo de purrr dentro de otras funciones y cómo evitar copiar y pegar gracias a las herramientas funcionales de purrr.

Foundations of Functional Programming with purrr

Sigue aprendiendo con purrr para crear código iterativo robusto, limpio y fácil de mantener.

¿Por qué escribir código más limpio?

Create Your Free Account