map函数 函数式编程：数据整理purrr包！

01包装:purrr包装

今天我从哈雷中学到了一个新概念

函数式编程:将一个函数作为参数传递给另一个函数。使代码相当简洁，避免for循环，提高运行速度。

虽然听起来有点傻，但是我遇到过。比如apply函数，apply(iris[，-5]，2，mean)，把mean函数作为参数传递给apply函数，得到iris数据集和前四个变量的均值。

purrr包中有一个类似的映射函数，但是映射关系可能更复杂。

本文主要了解以下功能:

map()：输出列表map_dbl()：输出双精度型向量map2()、pmap()：多参数映射，输出列表invoke_map()：不同函数调用，输出列表

02 map()函数

Map语法:map(。x，。f，...)，类似于apply

。x:数据集，。f映射函数

# # #例如，求虹膜数据集中数值变量的平均值

map(iris[，-5]，均值)

$Sepal。长度

[ 1] 5.843333

$Sepal。宽度

[ 1] 3.057333

$花瓣。长度

[ 1] 3.758

$花瓣。宽度

[ 1] 1.199333

返回的是列表类型，通常可以通过非列表函数转换成向量

未列表(map(iris[，-5]，均值))

萼片。萼片长度。宽度花瓣。长度花瓣。宽度

5.8433333.0573333.7580001.199333

通过以下两种方式可以达到相同的效果

应用(iris[，-5]，2，均值)

summary _ all(iris[，-5]，均值)

###PS:假设是宽表性质的列表，计算数值变量的平均值

# # #您可以自定义函数来过滤数值变量的列

pre_is_double <。-函数(x){ #确定函数并返回真| |假

output1 <。-空

for(i in seq_along(x)){

输出<。- is.double(x[，i])

output1 <。- c(输出1，输出)

}

返回(输出1)

}

未列表(map(iris[，pre_is_double(iris)]，均值))

该”。映射函数支持多种形式

# # # the "。映射函数中的“f”函数支持匿名函数

iris[，-5] % >%

map(函数(x) (max(x) - min(x)))

获取每个变量的极值

该”。## #map函数中的“f”函数也支持模型拟合

# # #需要注意的是，在数据帧传输的过程中，很容易出现“降维”的情况，所以最好转换成列表，然后传递给. f。

model = map( list(iris)，~lm(Sepal。长度~萼片。宽度，数据=虹膜))

# # #拆分功能，可以根据某个变量拆分列表。

# # #特别适合一个变量，分类后可以处理

iris %>。%

拆分(。$ Species)% & gt；%

#对于物种，将鸢尾分为三个列表

map(~lm(Sepal。长度~萼片。宽度，数据=。))% & gt%

# "数据= ","."在分割后的列表中

地图(摘要)% >;%

map_dbl( "r.squared ")

弗吉尼亚濑鱼

0.55137560.27658210.2090573

# "r.squared "，你可以通过变量名得到r^ 2

Map_dbl()语法:map_dbl()。x，。f，...)

Map_lg()，map_int()和map_chr()类似

# map_dbl函数

1: 10%>;%

map(r ORM，n = 10) % >%

map_dbl(平均值)

[ 1] 1.0522141.5114642.9902594.2380925.4746515.8944976.7990277.8414979.121959

[ 10] 10.465799

#根据rnorm随机生成一个平均值为1:10的列表，然后计算平均值

Map2()，pmap():多参数映射

语法:map2(。x，。y。f，...)，pmap(。l，。f，...)

例如，有时需要生成具有特定均值和方差的随机数

# # #假设函数中有多个参数变量

示例:rnorm函数

语法:rnorm(n，mean = 0，sd = 1) #有三个变量:n，mean，sd

参数表:

x <。-列表(1，10，100)

y <。-列表(1，2，3)

z <。-列表(5，5，5)

#表单效果通过以下三种方式实现

1.地图模式

set.seed( 123)

1: 3%>;%

map(~ r ORM(z[[。]]，x [[。]]，y [[。]]))

# "[[.]]”会降低函数的可读性

2.map2模式

set.seed( 123)

map2(x，y，rnorm，n = 5)

3.PMAP模式

set.seed( 123)

pmap(列表(z，x，y)，rnorm)

在#pmap函数中，输入参数变量必须集成到一个列表中

#假设要生成的列表长度不一致(z可以是多个值)，方法1和方法3更合适

Invoke_map():不同的函数调用，输出列表

语法:invoke _ map(。f，。x = list (null)，...,.env = null)

# # #同时生成runif和rnrom的随机列表

invoke_map(list(runif，rnorm)，list(list( min= 1，max= 5，n= 5)，list(mean = 0，sd = 1，n= 10)))

[[1]]

[ 1] 2.9544524.8178952.9316104.5614014.657753

[[2]]

[ 1] 0.2760235-1.0489755-0.52086931.6232025-1.07006821.6858872-0.2416898-0.4682005

[ 9] -0.77297822.1499193

#list( min= 1，max= 5，n= 5)是runif的参数

#list(mean = 0，sd = 1，n= 10)是rnorm的参数

总结:purr能实现的功能循环也有，但是purr的代码更简洁&漂亮，函数式编程是一大特色。

本文省略了purrr的许多功能，如安全、减速、行走、保持等。

结束。

Python和SQL技能失败？零基础也要就业数据分析？

零基础就业数据分析，跨专业变动数据分析，也可以！

“零基础就业数据分析——就业类”即将启动

点击试听→“零基础就业数据分析-就业类”试听类