R में फ़ंक्शनल प्रोग्रामिंग

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

यह अभ्यास पाठ्यक्रम का हिस्सा है

इंटरमीडिएट फ़ंक्शनल प्रोग्रामिंग विथ purrr

SkillTag.level.intermediateSkillTag.label

4.8+

क्या lambda functions, mappers, और predicates आपको डरावने लगते हैं? अब चिंता की ज़रूरत नहीं! आपकी purrr मेमोरी ताज़ा करने के बाद, हम functional programming 101 में गहराई से जाएँगे, anonymous functions और predicates खोजेंगे, और देखेंगे कि इन्हें डेटा साफ़ करने और explore करने में कैसे इस्तेमाल करें।

Exercise 1: purrr बेसिक्स - एक त्वरित रिफ्रेशर Exercise 2: purrr की याद ताज़ा करें Exercise 3: purrr का एक और रीफ़्रेशर Exercise 4: Mappers का परिचय Exercise 5: Lambda फंक्शन बनाना Exercise 6: Lambda functions Exercise 7: अपने डेटा को साफ़ करने के लिए mappers का उपयोग Exercise 8: keep के साथ अपना डेटा साफ करें Exercise 9: keep() और discard() के साथ अलग-अलग करें Exercise 10: प्रेडिकेट्स Exercise 11: Predicate क्या है?Exercise 12: Predicates के साथ डेटा का अन्वेषण

क्या आप functional programming और purrr में और गहराई तक जाने के लिए तैयार हैं? इस अध्याय में, हम फ़ंक्शनल प्रोग्रामिंग की अवधारणा समझेंगे, safely() और possibly() सहित error handling को explore करेंगे, और अपने कोड की सफ़ाई के लिए compact() फंक्शन से परिचय कराएँगे।

Exercise 1: R में फ़ंक्शनल प्रोग्रामिंग

वर्तमान अभ्यास

Exercise 2: जो कुछ भी होता है, वह एक फंक्शन कॉल होता है Exercise 3: प्योर फंक्शन्स की पहचान Exercise 4: purrr में फ़ंक्शनल प्रोग्रामिंग के टूल्स Exercise 5: Safe iterations Exercise 6: एक फंक्शन बनाएँ Exercise 7: possibly() का उपयोग Exercise 8: read_lines() का possibly() संस्करण Exercise 9: सब कुछ एक ही कॉल में Exercise 10: एडवर्ब के परिणामों को संभालना Exercise 11: हमारी फंक्शन को Purrrfect बनाना Exercise 12: GET() से स्टेटस कोड निकालना

इस अध्याय में, हम purrr का उपयोग करके ऐसा कोड लिखेंगे जो और स्पष्ट, साफ़-सुथरा, और मेंटेन करने में आसान हो। हम compose() और negate() के साथ साफ़ functions लिखना सीखेंगे। हम partial() का भी उपयोग करेंगे ताकि मौजूदा functions से arguments को "prefill" करके functions को compose कर सकें। आख़िर में, हम list-columns का परिचय देंगे, जो एक सुविधाजनक data structure है और Tidyverse का उपयोग करते हुए साफ़ कोड लिखने में मदद करता है।

Exercise 1: क्लीनर कोड क्यों?Exercise 2: compose() कैसे लिखें Exercise 3: वापस ऑफिस में Exercise 4: compose() और negate() के साथ फंक्शन बनाना Exercise 5: एक फंक्शन बनाएँ Exercise 6: NA की गिनती करें Exercise 7: फंक्शनों को पहले से प्रीफिल करना Exercise 8: एक कंटेंट एक्सट्रैक्टर Exercise 9: एक और extractor Exercise 10: लिस्ट कॉलम्स Exercise 11: लिस्ट-कॉलम्स के बारे में Exercise 12: एक list-column data.frame बनाएँ

हम purrr के बारे में जो कुछ भी जानते हैं उसे एक केस स्टडी में समेटेंगे। यहाँ, हम purrr का उपयोग करके Twitter से scraped किए गए डेटा का विश्लेषण करेंगे। हम साफ़ कोड से डेटा को व्यवस्थित करेंगे और फिर 2018 RStudio कॉन्फ़्रेंस के Twitter influencers की पहचान करेंगे।

Exercise 1: डेटासेट की खोज Exercise 2: ट्वीट्स के साथ खेलना, राउंड 1 Exercise 3: प्रोफ़ाइल पहचानें Exercise 4: डेटासेट से जानकारी निकालना Exercise 5: पसंदीदा (favorites) गिनना Exercise 6: मेंशन निकालना Exercise 7: URL में बदलाव Exercise 8: URLs का विश्लेषण Exercise 9: URLs के साथ खेलें Exercise 10: Influencers पहचानना Exercise 11: डेटासेट को बाँटना Exercise 12: मिल गया विजेता!Exercise 13: बधाई हो!