Vì sao cần viết mã sạch hơn?

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.

Bài tập này là một phần của khóa học

Lập trình hàm nâng cao với purrr

SkillTag.level.intermediateSkillTag.label

4.8+

36 reviews

Bắt đầu khóa học miễn phí

Lambda function, mapper và predicate nghe có đáng sợ không? Đừng lo! Sau khi ôn lại purrr, chúng ta sẽ bước vào Lập trình hàm cơ bản, khám phá hàm ẩn danh và predicate, và xem cách dùng chúng để làm sạch và khám phá dữ liệu.

Exercise 1: Các kiến thức cơ bản về purrr - ôn nhanh Exercise 2: Ôn lại purrr Exercise 3: Ôn nhanh purrr lần nữa Exercise 4: Giới thiệu về mapper Exercise 5: Tạo hàm lambda Exercise 6: Hàm lambda Exercise 7: Dùng mapper để làm sạch dữ liệu của bạn Exercise 8: Dọn sạch dữ liệu với keep Exercise 9: Tách nhóm với keep() và discard()Exercise 10: Predicate Exercise 11: Predicate là gì?Exercise 12: Khám phá dữ liệu với predicates

Sẵn sàng đi sâu hơn với lập trình hàm và purrr? Ở chương này, chúng ta sẽ tìm hiểu khái niệm lập trình hàm, khám phá xử lý lỗi với safely() và possibly(), và giới thiệu hàm compact() để giúp mã của bạn gọn gàng hơn.

Exercise 1: Lập trình hàm trong R Exercise 2: Mọi thứ diễn ra đều là một lời gọi hàm Exercise 3: Nhận diện hàm thuần (pure functions)Exercise 4: Các công cụ lập trình hàm trong purrr Exercise 5: Lặp an toàn Exercise 6: Tạo một hàm Exercise 7: Sử dụng possibly()Exercise 8: Phiên bản possibly() của read_lines()Exercise 9: Gói gọn trong một lần gọi Exercise 10: Xử lý kết quả từ adverb Exercise 11: Hoàn thiện function với purrr Exercise 12: Trích xuất mã trạng thái với GET()

Ở chương này, chúng ta sẽ dùng purrr để viết mã rõ ràng, sạch sẽ và dễ bảo trì hơn. Bạn sẽ học cách viết các hàm gọn gàng với compose() và negate(). Chúng ta cũng sẽ dùng partial() để kết hợp (compose) hàm bằng cách "điền sẵn" đối số từ các hàm hiện có. Cuối cùng, chúng ta sẽ giới thiệu list-column, một cấu trúc dữ liệu tiện lợi giúp viết mã sạch trong Tidyverse.

Exercise 1: Vì sao cần viết mã sạch hơn?

Bài tập hiện tại

Exercise 2: Cách viết compose()Exercise 3: Quay lại văn phòng Exercise 4: Xây dựng hàm với compose() và negate()Exercise 5: Xây dựng một hàm Exercise 6: Đếm NA Exercise 7: Điền sẵn đối số cho hàm Exercise 8: Bộ trích xuất nội dung Exercise 9: Một bộ trích xuất khác Exercise 10: Cột dạng danh sách Exercise 11: Về list-columns Exercise 12: Tạo một data.frame có list-column

Chúng ta sẽ tổng hợp mọi kiến thức về purrr qua một nghiên cứu tình huống. Ở đây, chúng ta sẽ dùng purrr để phân tích dữ liệu được thu thập từ Twitter. Chúng ta sẽ tổ chức dữ liệu bằng mã sạch và sau đó xác định những người có ảnh hưởng trên Twitter tại hội nghị RStudio 2018.

Exercise 1: Khám phá bộ dữ liệu Exercise 2: Chơi với tweets, vòng 1 Exercise 3: Nhận diện hồ sơ Exercise 4: Trích xuất thông tin từ bộ dữ liệu Exercise 5: Đếm số lượt thích Exercise 6: Trích xuất mentions Exercise 7: Xử lý URL Exercise 8: Phân tích URL Exercise 9: Thử nghiệm với URL Exercise 10: Xác định influencer Exercise 11: Chia tách tập dữ liệu Exercise 12: Chúng ta đã tìm ra người dẫn đầu!Exercise 13: Chúc mừng bạn!