6 purrr: 函数式编程,彻底摆脱for循环
6.1 R包介绍
purrr 通过提供一套完整且一致的用于处理函数和向量的工具来增强 R 的函数式编程 (FP) 工具包。如果您以前从未听说过 FP，那么最好的起点是map()函数系列，它允许您用更简洁、更易于阅读的代码替换许多 for 循环。
听起来有点复杂，但更简单来说，就是用嵌套函数来替代for循环的冗长的框架结构。让输入输出更简单。
相关教程：官网网站
6.3 语法
purrr系列函数都以map，map2和pmap作为大类，搭配更多的后缀来设定输出类型。
- map(.x, .f)：输入一个向量(.x)，以该向量为输入进行循环(.f函数循环)
- map(.x, .f)：输入两个向量
- map3(.x, .f)：输入n（大于2）向量
这里边的向量是比较广的向量，包含向量，列表，字符串，数据框（可以看作向量的向量），只要有这种顺序结构的都可以作为map的输入
6.4 举个栗子
6.4.1 加载数据
## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 26.4.2 使用tidyverse结构和purrr来划分数据分别做回归
我们现在想根据cyl对数据框进行划分，在分出来的数据框中做回归，然后把回归结果放到一个数字向量里
data |>
split(data$cyl) |> # 划分数据
map(\(df) lm(mpg ~ wt, data = df)) |> #分别做循环
map(summary) %>% #对结果做summary
map_dbl("r.squared")## 4 6 8
## 0.5086326 0.4645102 0.4229655查看以下代码，发现了什么？
- purrr循环的第一个参数始终是数据，因此 purrr 可以自然地与管道配合使用。
- map_xxx（map的后缀相当于自定义了输出类型）
6.4.3 常规方法来做这个模型
var <- c("disp", "hp", "drat")
data_list <- split(data, mtcars$cyl)
vec_result = c()
for (temp_data in data_list) {
model = lm(mpg ~ wt, data = temp_data)
model_summary = summary(model)
r2 = model_summary$"r.squared"
vec_result = c(vec_result, r2)
}
print(vec_result)## [1] 0.5086326 0.4645102 0.4229655发现了什么
- 代码行数多了很多
- 多了一些中间变量
- 代码可读性差，很不优雅
6.5 多变量索引循环
如果是想用多个向量来索引循环，输入多个向量，我们要怎么做呢。举一个简单的例子就知道了。
var1 <- c("disp", "hp", "drat")
var2 <- c("wt", "qsec", "vs")
var_add <- map2(var1, var2, \(x, y) paste0(x, "+", y))
print(var_add)## [[1]]
## [1] "disp+wt"
##
## [[2]]
## [1] "hp+qsec"
##
## [[3]]
## [1] "drat+vs"再举个例子
means <- 1:4
sds <- 1:4
set.seed(2020)
samples <- map2(means, sds, \(mean, sds){rnorm(mean, sds, n = 5)})
#这里也可以写为，如下，不过有时候想要更复杂的操作就不要用这种简化的写法
#samples <- map2(means, sds, rnorm, n = 5)
str(samples)## List of 4
## $ : num [1:5] 1.377 1.302 -0.098 -0.13 -1.797
## $ : num [1:5] 3.44 3.88 1.54 5.52 2.23
## $ : num [1:5] 0.441 5.728 6.589 1.885 2.63
## $ : num [1:5] 11.2 10.82 -8.16 -5.16 4.23如果输入的是多个向量可以参考如下
var3 <- c("disp", "hp", "drat")
var4 <- c("wt", "qsec", "vs")
#使用pmap的时候，把多个向量放到list框里作为第一个参数
pvar_add <- pmap(list(var1, var2, var3, var4),
\(x, y, z, p)
paste0(x, "+", y, "+", z, "+", "p"))
print(pvar_add)## [[1]]
## [1] "disp+wt+disp+p"
##
## [[2]]
## [1] "hp+qsec+hp+p"
##
## [[3]]
## [1] "drat+vs+drat+p"注意：这里用的都是简单的字符向量，但我们使用的时候可以自由拓展到数据框和列表等复杂向量结构，就能感觉到purrr循环的魅力了
6.6 嵌套循环
如果是嵌套结构我们怎么用purrr来做呢，其实也很简单。我们现在来算一下1：10分别乘以10:20然后放到一个数字向量里怎么实现吧
## [1] 10 11 12 13 14 15 16 17 18 19 20 20 22 24 26 28 30 32
## [19] 34 36 38 40 30 33 36 39 42 45 48 51 54 57 60 40 44 48
## [37] 52 56 60 64 68 72 76 80 50 55 60 65 70 75 80 85 90 95
## [55] 100 60 66 72 78 84 90 96 102 108 114 120 70 77 84 91 98 105
## [73] 112 119 126 133 140 80 88 96 104 112 120 128 136 144 152 160 90 99
## [91] 108 117 126 135 144 153 162 171 180 100 110 120 130 140 150 160 170 180
## [109] 190 200举得例子比较没有意义，但是可以在此基础上一窥嵌套循环的实现。