Känns lambdafunktioner, mappers och predikat krångliga? Inga problem! Efter en snabb repetition av purrr dyker vi ner i grunderna för funktionell programmering, utforskar anonyma funktioner och predikat, och ser hur de kan användas för att rensa och utforska data.

purrr-grunderna – en repetition

Fräscha upp minnet om purrr

Ytterligare en purrr-repetition

Introduktion till mappers

Skapa lambda-funktioner

Lambdafunktioner

Använd mappers för att rensa dina data

Städa upp dina data med keep

Dela upp med keep() och discard()

Predikat

Vad är ett predikat?

Utforska data med predikat

Programmering med purrr

Redo att gå djupare in i funktionell programmering och purrr? I det här kapitlet utforskar vi begreppet funktionell programmering, hanterar fel med hjälp av safely() och possibly(), och introducerar funktionen compact() för renare kod.

Funktionell programmering i R

Allt som händer är ett funktionsanrop

Identifiera rena funktioner

Verktyg för funktionell programmering i purrr

Säkra iterationer

Skapa en funktion

Använda possibly()

En possibly()-version av read_lines()

Allt i ett anrop

Hantera adverbresultat

Purrrfecting our function

Extrahera statuskoder med GET()

Funktionell programmering: från teori till praktik

I det här kapitlet använder vi purrr för att skriva kod som är tydligare, renare och lättare att underhålla. Vi lär oss skriva eleganta funktioner med compose() och negate(). Vi använder också partial() för att komponera funktioner genom att "förfylla" argument från befintliga funktioner. Avslutningsvis introducerar vi listkolumner – en praktisk datastruktur som hjälper oss skriva ren kod med Tidyverse.

Varför renare kod?

Hur man skriver compose()

Tillbaka på kontoret

Bygg funktioner med compose() och negate()

Bygg en funktion

Räkna NA-värden

Förifyllda funktioner

En innehållsextraherare

Ännu en extraktor

Listkolumner

Om listkolumner

Skapa en data.frame med listkolumn

Bättre kod med purrr

Vi samlar allt vi vet om purrr i en fallstudie. Här använder vi purrr för att analysera data som skrapats från Twitter. Med hjälp av ren kod organiserar vi datan och identifierar Twitter-influencers från RStudio-konferensen 2018.

Utforska datamängden

Lek med tweets, omgång 1

Identifiera profiler

Extrahera information från datamängden

Räkna favoriter

Extrahera omnämnanden

Manipulera URL:er

Analysera URL:er

Att arbeta med URL:er

Identifiera influencers

Dela upp datamängden

Vi har en vinnare!

Grattis!

Fallstudie

Har du undrat vad purrr:s beskrivning – "A functional programming toolkit for R" – egentligen innebär? Då har du hittat rätt! Den här kursen guidar dig genom den funktionella programmeringsdelen av purrr. Med andra ord lär du dig att utnyttja hela flexibiliteten hos .f i map(.x, .f) för att iterera över listor, vektorer och data.frame med robust, ren och lättunderhållen kod. Under kursens gång lär du dig skriva egna mappers (även kallade lambdafunktioner) och hur du använder predikat och adverb. Till sist tillämpas dessa kunskaper i ett praktiskt exempel, där du får se hur du hanterar en enkel nästlad lista – hur du extraherar, behåller eller tar bort element, komponerar funktioner för att bearbeta och tolka resultat, integrerar purrr:s arbetsflöde i andra funktioner och undviker copy-paste med purrr:s funktionella verktyg.

Foundations of Functional Programming with purrr

Fortsätt lära dig med purrr för att skapa robust, ren och lättunderhållen iterativ kod.

Funktionell programmering på mellannivå med purrr

Mellanliggande Tidyverse-verktygslåda

Data Scientist & R Hacker at ThinkR

Bygga funktioner med `compose()` och `negate()`

compose() efter behov

negate()

Med mappare

En parentes om http-koder

Testa om värdet finns med

Nu kör vi en övning!

Bättre kod med purrr - Bygg funktioner med compose() och negate()

Bygg funktioner med compose() och negate()

Create Your Free Account