Iteration är ett kraftfullt sätt att låta datorn göra jobbet åt dig. Det är också ett område där det är lätt att göra stavfel och enkla misstag i koden. Paketet purrr förenklar iteration så att du kan fokusera på nästa steg i stället för att jaga stavfel.

Iterationens kraft

Introduktion till iteration

Iteration med purrr

Mer iteration med for-slingor

Mer iteration med purrr

Subsetting listor

Liststruktur

Subsetta listelement

De många varianterna av map()

Alternativa argument till map()

map_*

Förenkla iteration och listor med purrr

purrr är mycket mer än en for-loop – det fungerar bra med pipes, kan användas för att köra modeller och simulera data, och stödjer nästlade loopar!

Arbeta med namnlösa listor

Namn och pipe-repetition

Namnge element

Pipes i map()

Mer map()

Simulera data med Purrr

Kör en linjär modell

map_chr()

map_dbl() och map_int()

map2() och pmap()

Simulera data med flera indata med map2()

Simulera data med fler än 3 indata med pmap()

Mer komplexa iterationer

Som med allt annat i R är det viktigt att förstå hur man felsöker problem. Det är särskilt viktigt när man arbetar med listor, där det kan vara svårt att hitta orsaken till ett fel.

Så här använder du safely() med purrr

safely() ersätter med NA

Konvertera data till numeriskt format med purrr

Hitta problemområdena

Ett annat sätt att possibly() purrr

Ersätt safely() med possibly()

Konvertera värden med possibly()

purrr är en walk() i parken

Jämföra utdata från walk() och utan walk()

walk() för renare utskrifter av listor

Felsökning av listor med purrr

Nu när du har grunderna på plats börjar vi ta oss an mer komplexa dataproblem med purrr.

Använda purrr i ditt arbetsflöde

Namngenomgång

Sätta namn

Ställ frågor om en lista

Ännu mer komplexa problem

Frågor om gh_repos

Grafer i purrr

Repetition av ggplot()

purrr och spridningsdiagram

purrr och histogram

Avslutning

Problemlösning med purrr

Simulated data 1990-2005

Listor kan vara svåra att både förstå och hantera, men de kan innehålla enorma mängder information och är mycket kraftfulla. I den här kursen lär du dig att enkelt extrahera, sammanfatta och manipulera listor, samt att exportera data till önskat objekt – oavsett om det är en annan lista, en vektor eller något annat. Under kursens gång arbetar du med paketet purrr och en mängd olika datamängder från paketet repurrrsive, bland annat data från Star Wars och Wes Andersons filmer samt data om GitHub-användare och GitHub-repos. När kursen är klar kommer dina listkunskaper att vara purrrfekta!

Introduction to the Tidyverse

Intermediate R

Lär dig använda purrr-paketet och repurrrsive-dataset för att hantera och felsöka listor.

Grunderna i funktionell programmering med purrr

Sammanfatta och hantera listor smidigt med paketet purrr.

Mellanliggande Tidyverse-verktygslåda

R-utvecklare

`map_*()`	Utdata
`map_chr()`	teckenvektor
`map_lgl()`	logisk vektor [TRUE eller FALSE]
`map_int()`	heltalsvektor
`map_dbl()`	decimaltalvektor

map_chr()

Grunderna i funktionell programmering med purrr

Interaktiv övning med praktiskt arbete