Do lambda functions, mappers, and predicates sound scary to you? Fear no more! After refreshing your purrr memory, we will dive into functional programming 101, discover anonymous functions and predicates, and see how we can use them to clean and explore data. 

purrr basics - a refresher

Refreshing your purrr memory

Another purrr refresher

Introduction to mappers

Creating lambda functions

Lambda functions

Using mappers to clean up your data

Clean up your data with keep

Split up with keep() and discard()

Predicates

What is a predicate?

Exploring data with predicates

Programming with purrr

Ready to go deeper with functional programming and purrr? In this chapter, we'll discover the concept of functional programming, explore error handling using including safely() and possibly(), and introduce the function compact() for cleaning your code.

Functional programming in R

Everything that happens is a function call

Identifying pure functions

Tools for functional programming in purrr

Safe iterations

Create a function

Using possibly()

A possibly() version of read_lines()

Everything in one call

Handling adverb results

Purrrfecting our function

Extracting status codes with GET()

Functional programming: from theory to practice

In this chapter, we'll use purrr to write code that is clearer, cleaner, and easier to maintain. We'll learn how to write clean functions with compose() and negate().  We'll also use partial() to compose functions by "prefilling" arguments from existing functions. Lastly, we'll introduce list-columns, which are a convenient data structure that helps us write clean code using the Tidyverse.

Perché scrivere codice più pulito?

Come scrivere compose()

Ritorno in ufficio

Creare funzioni con compose() e negate()

Crea una funzione

Conta gli NA

Precompilare le funzioni

Un estrattore di contenuti

Un altro estrattore

Colonne lista

Le list-column

Crea un data.frame con una list-column

Better code with purrr

We'll wrap up everything we know about purrr in a case study. Here, we'll use purrr to analyze data that has been scraped from Twitter. We'll use clean code to organize the data and then we'll identify Twitter influencers from the 2018 RStudio conference.

Discovering the dataset

Playing with tweets, round 1

Identify profiles

Extracting information from the dataset

Counting favorites

Extracting mentions

Manipulating URLs

Analyzing URLs

Playing with URLs

Identifying influencers

Splitting the dataset

We have a winner!

Congratulations!

Case study

Ti sei mai chiesto a cosa si riferisca la descrizione di purrr (“A functional programming toolkit for R”)? Allora sei nel posto giusto! Questo corso ti guiderà nella parte di programmazione funzionale di purrr: in altre parole, imparerai a sfruttare al massimo la flessibilità offerta da .f in map(.x, .f) per iterare su altre liste, vettori e data.frame con un codice robusto, pulito e facile da mantenere. Durante il corso, imparerai a scrivere i tuoi mapper (o funzioni lambda) e a usare predicati e avverbi. Infine, applicherai queste nuove conoscenze a un caso d’uso concreto, così potrai vedere come utilizzarle su un semplice esempio di lista annidata: come estrarre, mantenere o scartare elementi, come comporre funzioni per manipolare e analizzare i risultati di questa lista, come integrare il flusso di lavoro di purrr dentro altre funzioni e come evitare il copia-incolla con gli strumenti funzionali di purrr.

Foundations of Functional Programming with purrr

Continua a imparare con purrr per creare codice iterativo robusto, pulito e facile da mantenere.

Programmazione funzionale intermedia con purrr

Continua a imparare con purrr per creare codice iterativo solido, pulito e facile da mantenere.

Perché scrivere codice più pulito?

Create Your Free Account