lambda 函数、映射器和谓词听起来是否让您有些发怵？别担心！在快速回顾 purrr 之后，我们将进入函数式编程入门，认识匿名函数和谓词，并看看如何用它们来清洗与探索数据。

purrr 基础——快速复习

唤醒您的 purrr 记忆

再来一次 purrr 复习

mappers 简介

创建 lambda 函数

Lambda 函数

使用 mapper 清理数据

用 keep 清理您的数据

用 keep() 和 discard() 分组

谓词（Predicates）

什么是谓词（predicate）？

使用谓词探索数据

使用 purrr 编程

准备好进一步学习函数式编程与 purrr 了吗？本章将介绍函数式编程的概念，探索包括 safely() 与 possibly() 在内的错误处理方法，并引入用于清理代码的 compact() 函数。

R 中的函数式编程

一切发生的事都是函数调用

识别纯函数

purrr 中的函数式编程工具

安全的迭代

创建一个函数

使用 possibly()

read_lines() 的 possibly() 版本

一次调用全部搞定

处理副词结果

让函数更加"purrr-fect"

使用 GET() 提取状态码

函数式编程：从理论到实践

在本章中，我们将使用 purrr 编写更清晰、更整洁、也更易维护的代码。我们将学习如何使用 compose() 和 negate() 编写整洁的函数。我们还会使用 partial() 通过从现有函数中"预填"参数来组合函数。最后，我们将介绍列表列（list-columns），这是一种便捷的数据结构，可帮助我们在 Tidyverse 中编写整洁的代码。

为什么要写更干净的代码？

如何编写 compose()

回到办公室

用 compose() 与 negate() 构建函数

构建一个函数

统计 NA 的数量

为函数预填参数

内容提取器

另一个提取器

列表列（list-columns）

关于列表列

创建带列表列的 data.frame

用 purrr 写出更好的代码

我们将通过一个案例研究来整合所学的 purrr 知识。在这里，我们将使用 purrr 分析从 Twitter 抓取的数据。我们会用整洁的代码整理数据，并识别 2018 年 RStudio 大会的 Twitter 影响者。

了解数据集

玩转推文，第 1 轮

识别用户画像

从数据集提取信息

统计点赞数

提取提及

处理 URL

分析 URL

玩转 URL

识别影响者

拆分数据集

胜者出炉！

恭喜您！

案例研究

您是否一直好奇 purrr 的描述（"R 的函数式编程工具包"）到底指的是什么？那您来对地方了！本课程将带您走进 purrr 的函数式编程部分——也就是说，您将学习如何充分利用 map(.x, .f) 中 .f 的灵活性，以稳健、整洁、易维护的代码迭代其他列表、向量和 data.frame。在课程中，您将学习如何编写自己的映射器（或 lambda 函数），以及如何使用谓词和副词。最后，我们会将这些新知识应用到一个用例中，让您看到如何把它们用于一个简单的嵌套列表这一具体示例：如何抽取、保留或丢弃元素，如何组合函数来操作并解析该列表的结果，如何在其他函数中集成 purrr 的工作流，以及如何用 purrr 的函数式工具避免复制粘贴。

Foundations of Functional Programming with purrr

继续学习purrr，创建健壮、简洁且易于维护的迭代代码。

使用 purrr 的函数式编程进阶

继续使用 purrr 学习，创建健壮、简洁且易于维护的迭代代码。

从数据集提取信息

Create Your Free Account