¿Qué es un predicado?

Una función predicado es "una función que devuelve TRUE o FALSE". Mientras que un funcional de predicado "toma un vector y una función predicado y hace algo útil".^***

En otras palabras, los funcionales de predicado reciben .x, que puede ser un vector, un dataframe o una lista, y evalúan el predicado en cada elemento de .x. Por ejemplo, puedes comprobar si cada elemento es numérico con el predicado is.numeric() de R base, o si la media de algunos elementos es menor que 5 con este mapper: ~mean(.x) < 5.

¿Cuál de estas funciones NO es un predicado?

Este ejercicio forma parte del curso

Programación funcional intermedia con purrr

ejercicio interactivo práctico

Convierte la teoría en práctica con uno de nuestros ejercicios interactivos

Empezar ejercicio

Este ejercicio forma parte del curso

Programación funcional intermedia con purrr

IntermedioNivel de habilidad

4.8+

Empieza el curso gratis

¿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.

Exercise 1: Fundamentos de purrr: un repaso Exercise 2: Refresca tu memoria de purrr Exercise 3: Otro repaso de purrr Exercise 4: Introducción a los mappers Exercise 5: Crear funciones lambda Exercise 6: Funciones lambda Exercise 7: Usar mappers para limpiar tus datos Exercise 8: Limpia tus datos con keep Exercise 9: Sepárate con keep() y discard()Exercise 10: Predicados Exercise 11: ¿Qué es un predicado?

Ejercicio actual

Exercise 12: Explorar datos con predicados

¿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.

Exercise 1: Programación funcional en R Exercise 2: Todo lo que sucede es una llamada a función Exercise 3: Identificar funciones puras Exercise 4: Herramientas de programación funcional en purrr Exercise 5: Iteraciones seguras Exercise 6: Crea una función Exercise 7: Usar possibly()Exercise 8: Una versión con possibly() de read_lines()Exercise 9: Todo en una sola llamada Exercise 10: Gestionar los resultados de los adverbios Exercise 11: Perfeccionando nuestra función con purrr Exercise 12: Extraer códigos de estado con GET()

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.

Exercise 1: ¿Por qué escribir código más limpio?Exercise 2: Cómo escribir compose()Exercise 3: De vuelta a la oficina Exercise 4: Crear funciones con compose() y negate()Exercise 5: Construye una función Exercise 6: Cuenta los NA Exercise 7: Prellenado de funciones Exercise 8: Un extractor de contenido Exercise 9: Otro extractor Exercise 10: Columnas de lista Exercise 11: Sobre las columnas de tipo lista Exercise 12: Crea un data.frame con una columna de listas

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.

Exercise 1: Descubriendo el conjunto de datos Exercise 2: Jugando con tuits, ronda 1 Exercise 3: Identifica perfiles Exercise 4: Extraer información del conjunto de datos Exercise 5: Contar favoritos Exercise 6: Extraer menciones Exercise 7: Manipular URLs Exercise 8: Analizando URLs Exercise 9: Jugando con URLs Exercise 10: Identificar influencers Exercise 11: Dividir el conjunto de datos Exercise 12: ¡Ya tenemos ganador!Exercise 13: ¡Enhorabuena!