เครื่องมือสำหรับ Functional Programming ใน purrr

Create Your Free Account

or

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

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Functional Programming ระดับกลางด้วย purrr

SkillTag.level.intermediateSkillTag.label

4.8+

36 reviews

เริ่มคอร์สฟรี

lambda function, mapper และ predicate ฟังดูซับซ้อนไหม? ไม่ต้องกังวล! หลังจากทบทวนพื้นฐาน purrr แล้ว จะได้ดำดิ่งสู่ functional programming เบื้องต้น สำรวจ anonymous function และ predicate และเรียนรู้วิธีนำมาใช้เพื่อทำความสะอาดและสำรวจข้อมูล

Exercise 1: ทบทวนพื้นฐาน purrr Exercise 2: ทบทวนความจำเรื่อง purrr Exercise 3: ทบทวน purrr อีกครั้ง Exercise 4: รู้จักกับ Mapper Exercise 5: การสร้าง lambda function Exercise 6: Lambda functions Exercise 7: ใช้ mapper เพื่อจัดระเบียบข้อมูล Exercise 8: ทำความสะอาดข้อมูลด้วย keep Exercise 9: แยกข้อมูลด้วย keep() และ discard()Exercise 10: Predicate Exercise 11: Predicate คืออะไร?Exercise 12: สำรวจข้อมูลด้วย predicates

พร้อมเจาะลึก functional programming และ purrr ให้มากขึ้นไหม? ในบทนี้ จะได้ทำความรู้จักกับแนวคิด functional programming สำรวจการจัดการข้อผิดพลาดด้วย safely() และ possibly() และทำความรู้จักกับฟังก์ชัน compact() เพื่อช่วยให้โค้ดกระชับขึ้น

Exercise 1: การเขียนโปรแกรมเชิงฟังก์ชันใน R Exercise 2: ทุกสิ่งที่เกิดขึ้นคือการเรียกใช้ฟังก์ชัน Exercise 3: การระบุ pure function Exercise 4: เครื่องมือสำหรับ Functional Programming ใน purrr

แบบฝึกหัดปัจจุบัน

Exercise 5: การวนซ้ำแบบปลอดภัย Exercise 6: สร้างฟังก์ชัน Exercise 7: การใช้ possibly()Exercise 8: เวอร์ชัน `possibly()` ของ `read_lines()`Exercise 9: ทำทุกอย่างในการเรียกครั้งเดียว Exercise 10: การจัดการผลลัพธ์จาก adverb Exercise 11: ปรับปรุงฟังก์ชันให้สมบูรณ์แบบ Exercise 12: ดึง status code ด้วย GET()

ในบทนี้ จะใช้ purrr เพื่อเขียนโค้ดที่อ่านง่าย สะอาด และดูแลรักษาได้สะดวกยิ่งขึ้น จะได้เรียนรู้การเขียนฟังก์ชันที่เป็นระเบียบด้วย compose() และ negate() รวมถึงใช้ partial() เพื่อประกอบฟังก์ชันโดย "เติมค่า" argument ไว้ล่วงหน้าจากฟังก์ชันที่มีอยู่แล้ว และสุดท้ายจะได้รู้จัก list-column ซึ่งเป็นโครงสร้างข้อมูลที่สะดวกสำหรับการเขียนโค้ดที่สะอาดด้วย Tidyverse

Exercise 1: ทำไมต้องเขียนโค้ดให้สะอาดขึ้น?Exercise 2: วิธีเขียน compose()Exercise 3: กลับสู่งาน Exercise 4: สร้างฟังก์ชันด้วย compose() และ negate()Exercise 5: สร้างฟังก์ชัน Exercise 6: นับค่า NA Exercise 7: การเติมค่าอาร์กิวเมนต์ล่วงหน้าในฟังก์ชัน Exercise 8: ตัวดึงเนื้อหา Exercise 9: ตัวดึงข้อมูลอีกแบบหนึ่ง Exercise 10: List column Exercise 11: เกี่ยวกับ list-columns Exercise 12: สร้าง list-column data.frame

จะนำทุกอย่างที่เรียนรู้เกี่ยวกับ purrr มารวมกันในกรณีศึกษา โดยจะใช้ purrr วิเคราะห์ข้อมูลที่ scrape มาจาก Twitter ใช้โค้ดที่เป็นระเบียบในการจัดระเบียบข้อมูล และระบุ Twitter influencer จากงานประชุม RStudio ปี 2018

Exercise 1: สำรวจชุดข้อมูล Exercise 2: ทดลองกับทวีต รอบที่ 1 Exercise 3: ระบุโปรไฟล์ผู้ใช้Exercise 4: การดึงข้อมูลจากชุดข้อมูล Exercise 5: นับจำนวน Favorites Exercise 6: การดึงข้อมูล mentions Exercise 7: การจัดการ URL Exercise 8: การวิเคราะห์ URL Exercise 9: เล่นกับ URL Exercise 10: การระบุตัวผู้มีอิทธิพล Exercise 11: การแบ่งชุดข้อมูล Exercise 12: มีผู้ชนะแล้ว!Exercise 13: ยินดีด้วย!