4 min read

TA_class_1121

2019-11-14

預備

library(tidyverse)

複習

dplyr 資料轉換

  • filter() and select()
  • group_by() and ungroup()
  • summarize()and summarise()
  • arrange() and desc()
  • mutate()

tidyr 齊整資料

  • gather() and spread()

ggplot2 資料視覺化

  • ggplot()
  • geom_point()
  • geom_col()
  • geom_boxplot()
  • facet_wrap()
  • coord_flip()
  • theme_classic()

tibble 資料框

通常 R 的使用者稱資料框都是指 data.frame()， 但資料框 tibble() 在操作上更為方便，因此只介紹 tibble() 的做法。

mpg
#> # A tibble: 234 x 11
#>    manufacturer model    displ  year   cyl trans   drv     cty   hwy fl    class
#>    <chr>        <chr>    <dbl> <int> <int> <chr>   <chr> <int> <int> <chr> <chr>
#>  1 audi         a4         1.8  1999     4 auto(l~ f        18    29 p     comp~
#>  2 audi         a4         1.8  1999     4 manual~ f        21    29 p     comp~
#>  3 audi         a4         2    2008     4 manual~ f        20    31 p     comp~
#>  4 audi         a4         2    2008     4 auto(a~ f        21    30 p     comp~
#>  5 audi         a4         2.8  1999     6 auto(l~ f        16    26 p     comp~
#>  6 audi         a4         2.8  1999     6 manual~ f        18    26 p     comp~
#>  7 audi         a4         3.1  2008     6 auto(a~ f        18    27 p     comp~
#>  8 audi         a4 quat~   1.8  1999     4 manual~ 4        18    26 p     comp~
#>  9 audi         a4 quat~   1.8  1999     4 auto(l~ 4        16    25 p     comp~
#> 10 audi         a4 quat~   2    2008     4 manual~ 4        20    28 p     comp~
#> # ... with 224 more rows

mpg 是 tibble 資料框。

建立資料框:

tibble(x = 1:5, y = x * x)
#> # A tibble: 5 x 2
#>       x     y
#>   <int> <int>
#> 1     1     1
#> 2     2     4
#> 3     3     9
#> 4     4    16
#> 5     5    25

tibble 允許變數運算成為新變數。

機率模型

df <- tibble(
  `隨機抽樣` = rnorm(n = 100, mean = 0, sd = 1),
  `機率密度` = dnorm(`隨機抽樣`, mean = 0, sd = 1),
  `累積機率` = pnorm(`隨機抽樣`, mean = 0, sd = 1),
  `反函數` = qnorm(`累積機率`, mean = 0, sd = 1)
)
ggplot(df) +
  geom_point(aes(x = `隨機抽樣`, y = `機率密度`))

ggplot(df) +
  geom_point(aes(x = `隨機抽樣`, y = `累積機率`))

purrr 重複執行

函數

通常需要重複執行的程式碼會寫成函數，比如取常態分配隨機抽樣的函數是 rnorm()，函數中會放入參數名稱與參數值，比如 rnorm(n = 10, mean = 0, sd = 1)，屬於完全比對，但是也可以省略參數名稱，簡寫成 rnorm(10, 0, 1)，比對的順序會由前往後，為順序比對。 另外，參數名稱也容許部份比對，所以寫成 rnorm(n = 10, m = 0, s = 1) 也可以。參數名稱比對的邏輯是是完全比對，再部分比對，最後是由前往後的順序比對。

rnorm(n = 10, mean = 0, sd = 1)
#>  [1] -0.3329234  1.3631137 -0.4691473  0.8428756 -1.4579937 -0.4003059
#>  [7] -0.7764173 -0.3692965  1.2401015 -0.1074338
rnorm(10, 0, 1)
#>  [1]  0.1725935  0.2546013 -0.6145338 -1.4292151 -0.3309754  0.1283861
#>  [7]  1.0181200 -0.2555737 -0.3025410  1.6151907
rnorm(n = 10, m = 0, s = 1)
#>  [1] -0.7737134  0.4240024 -0.5839470  0.4150357 -1.5452617 -0.5187495
#>  [7] -0.2797916  1.0074574 -0.4695700  0.2978970

自行定義函數與呼叫函數

hello <- function(x = "hello world"){
  print(x)
}
hello
#> function(x = "hello world"){
#>   print(x)
#> }
hello()
#> [1] "hello world"
hello("hi")
#> [1] "hi"

定義函數 hello()，參數名稱 x，參數值預設為 "hello world"，當然也可以不預設參數值。大括號寫函數執行的事情。

運行 hello 會看到函數的程式碼。運行 hello() 會以預設值執行函數，運行 hello("hi") 會以設定值執行函數。

有了這些知識後，接著討論如何應用在 purrr 的函數。

purrr::map()

# 1
func <- function(number) number ** 2
map(1:5, func)
# 2
map(1:5, function(number) number ** 2)
# 3
map(1:5, ~ .x ** 2)
# 4
map(1:5, ~ . ** 2)
# 注意
map
# 1
func <- function(number) number ** 2
map(1:5, func)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 4
#> 
#> [[3]]
#> [1] 9
#> 
#> [[4]]
#> [1] 16
#> 
#> [[5]]
#> [1] 25
# 2
map(1:5, function(number) number ** 2)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 4
#> 
#> [[3]]
#> [1] 9
#> 
#> [[4]]
#> [1] 16
#> 
#> [[5]]
#> [1] 25
# 3
map(1:5, ~ .x ** 2)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 4
#> 
#> [[3]]
#> [1] 9
#> 
#> [[4]]
#> [1] 16
#> 
#> [[5]]
#> [1] 25
# 4
map(1:5, ~ . ** 2)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 4
#> 
#> [[3]]
#> [1] 9
#> 
#> [[4]]
#> [1] 16
#> 
#> [[5]]
#> [1] 25
# 注意
map
#> function (.x, .f, ...) 
#> {
#>     .f <- as_mapper(.f, ...)
#>     .Call(map_impl, environment(), ".x", ".f", "list")
#> }
#> <bytecode: 0x0000000014179000>
#> <environment: namespace:purrr>

map() 的第一個參數值放的是 list 或是 vector，第二個參數值放的是函數。

map() 會將第一個參數值逐一傳給第二個函數執行。

在第一種寫法， func() 會計算參數值的平方， 因此 map(1:5, func) 會計算出 1 到 5 的平方。

第二種寫法減少為函數取名的麻煩，而第三種寫法是精簡第二種的寫法， 注意 .x 是配合 map 第一個參數名稱的寫法，又因為容許部分比對，所以可以寫成第四種。

再看另一個 map() 的應用範例。

random_sample <- function() {
  rnorm(2, 0, 1)
}
random_sample()

# error
map(1:10, random_sample)
map(1:10, function() rnorm(2, 0, 1))

函數並不需要參數名稱，所以在 function() 的 () 中不需要寫任何東西，函數也能成功執行，但是應用到 map() 函數的時候就會出問題。

造成這個問題的原因是函數比對不成功，為了解決這個問題，可以取一個不會被函數的程式碼使用的參數名稱。比如:

map(1:10, function(x) rnorm(2, 0, 1))
#> [[1]]
#> [1] -0.4177944 -0.8503808
#> 
#> [[2]]
#> [1]  0.6890462 -0.4601962
#> 
#> [[3]]
#> [1] 1.3481844 0.4430714
#> 
#> [[4]]
#> [1] -0.1509262  0.4555489
#> 
#> [[5]]
#> [1] -0.04015468  0.45612104
#> 
#> [[6]]
#> [1] -0.408425 -2.136494
#> 
#> [[7]]
#> [1] 0.1568219 0.6600489
#> 
#> [[8]]
#> [1] -0.9818344 -1.1136437
#> 
#> [[9]]
#> [1] -0.4373477 -0.5161112
#> 
#> [[10]]
#> [1] 0.4189960 0.1341554

或是用 ... 即可，... 的意義在於傳遞未使用的參數名稱到下一個函數做使用。

random_sample <- function(...) {
  rnorm(2, 0, 1)
}
random_sample()

# correct
map(1:10, random_sample) 
map(1:10, function(...) rnorm(2, 0, 1))
map(1:10, ~ rnorm(2, 0, 1))

... 傳遞未使用的參數名稱到下一個函數。

g <- function(n, ...){
    rnorm(n, ...)
}

g(n = 10, mean = 0, sd = 1)
#>  [1]  1.03468645  1.65350323 -0.01794682 -0.02420332  0.25024690 -0.33712454
#>  [7] -0.11335370 -0.09888291  0.26408682  0.13898369
g(n = 10, 50, 1)
#>  [1] 49.75773 50.05903 49.82273 50.79468 50.00674 49.37021 49.74751 49.30958
#>  [9] 50.20254 50.84638
g(n = 10, mean = 100, sd = 3)
#>  [1] 101.89622 100.60424  99.72679 100.86845  99.83595  93.87445 101.07511
#>  [8]  98.88220 103.80493 106.50580
g(n = 10, sd = 3, mean = 100)
#>  [1]  96.28083 101.76962 100.37206  98.42888 101.86068 102.12466  99.72040
#>  [8]  99.11441  96.74255  98.12555

作業

為了檢視同學對於前半學期的內容是否能融會貫通，這次作業請自行挑選資料進行分析，分析的內容至少包含一個題目，並具備完整的文字敘述，以及圖表輔助說明。

可以從 data(package = "ggplot2") 挑選資料，或是其他 package 的資料也可以， 如果同學手邊有自己感興趣的資料，也可以拿來分析。 繳交作業時請註明使用的資料以及附上程式碼。會以程式碼做為評分標準。

文字內容: 5分 表: 5分 圖: 5分