12 Basic: define function
如果说常用的 function 是一把工具,那么知道怎么 define (定义) your own function 就是可以给自己打造一把趁手的工具。
本章将以定义 function 为目标,来介绍所需要的知识。
12.1 Basic structure of function definition
function(arglist) {
expr
return(value)
}
例如which()
:
function (x, arr.ind = FALSE, useNames = TRUE)
{
wh <- .Internal(which(x))
if (isTRUE(arr.ind) && !is.null(d <- dim(x)))
arrayInd(wh, d, dimnames(x), useNames = useNames)
else wh
}
<bytecode: 0x000002b3b17e7850>
<environment: namespace:base>
如果是 define function,则基本结构保持不变,用<-
给 defined function 取个名字即可,
name_fun <- function(arglist) {
expr
return(value)
}
例如:
function 也是 R 中的一种 object,同样是遵循x <- value
的基本语法结构,只不过value
换成了 function 的基本结构而已。
可以通过 Snippets 快速输入 function 的基本结构:
前面讲到,只要把x <- value
的代码执行,就会把产生的 object 存到 environment 里去。同样的,只要把 define function 的所有代码从上到下逐行执行,就会把创建的 function object 存到 environment 里去,然后就可以和正常的 function 一样调用了。
在调用 function 的时候,可以将arglist
部分视作执行了赋值的操作,赋值的结果是创建了一个只存在于 function 内部的 object,该 object 的 name 为 function 作者提供的 argument name,value 为 function 的调用者提供的 argument value:
12.2 A few caveats
-
return
会直接终止所在的 function 并返回结果;
return_larger_than_two <- function(x) {
for (i in seq_along(x)) {
if (x[i] > 2) return(x[i])
print(x[i])
}
}
test <- return_larger_than_two(1:4)
#> [1] 1
#> [1] 2
test
#> [1] 3
- 如果不写
return
,默认返回最后一行代码的执行结果;
mean_byme_with_return <- function(x) {
mean_x <- sum(x)/length(x)
return(mean_x)
}
test <- mean_byme_with_return(c(1, 2, 3))
test
#> [1] 2
# 等价于
mean_byme_without_return <- function(x) {
mean_x <- sum(x)/length(x)
}
test <- mean_byme_without_return(c(1, 2, 3))
test
#> [1] 2
- 如果
expr
非常简单,{}
可以省略不写,
从 4.1.0 以上版本的 R 开始,支持使用\
替代function
前缀,上述代码可以进一步简写为:
这种写法常用于 anonymous function,使代码更加简洁。
- 如果自定义 function 时,不提供 function 名,就相当于创建了一个 anonymous function,该 function 所在的代码被执行多少次,这个 function 就执行多少次,执行完毕就“销声匿迹”,好比是一次性的 function。
(\(x) x + 1)(1)
#> [1] 2
for (i in 1:3) {
print((\(x) x + 1)(i))
}
#> [1] 2
#> [1] 3
#> [1] 4
anonymous function 通常并不像上面的例子中的第一行展示的一样单独使用,而是搭配诸如apply()
等高阶 function 使用(详见 the apply family 13
),例如:
12.3 Argument
- 必选 argument
function 是针对某个或某些 objects 的一组操作,一般都会有必选 argument。例如mean(x)
,就必须要提供x
,否则就会报错:
由于 R 是以统计分析见长,而统计分析必然离不开数据,所以,R 中相当数量的 function 都会将数据作为其必选 argument,对应的 argument 通常命名为x
、data
或其他类似意思的单词。此外,argument 一般都会在所有的 arguments 中处于相对靠前的位置。这些规律都会帮助理解本章中的 evaluation 小节(详见12.4)给出的建议。
- 可选 argument
除了必选 argument 以外的所有 arguments,就是可选 argument,通常这些 arguments 都预先提供了默认值。 例如:
mean(x, trim = 0, na.rm = FALSE, ...)
,其中na.rm
是可选 argument,是一个 logiccal scalar,默认值是FALSE
,表示运算时,NA
不会被忽略。
12.4 Evaluation
执行 function 的基本形式是fun(arglist)
,但根据12.3中的内容可以知道,每一个 argument 都有对应的 name,所以,在执行 function 的时候,匹配 argument 的方式有两种,argument name 或位置(没提供 argument name 时),例如:
matrix(data = NA, nrow = 1, ncol = 1)
# when the names are available, positions of argument will not affect results
matrix(nrow = 2, data = 1, ncol = 2)
#> [,1] [,2]
#> [1,] 1 1
#> [2,] 1 1
# when the names are unavailable, arguments value will be matched according to their positions
matrix(2, 1, 2)
#> [,1] [,2]
#> [1,] 2 2
因此,在执行 function 时,建议如下:
- 略写必选 argument(如数据)的 name。因为这些 arguments 的位置往往都是在最前面。省略 argument name,按顺序写它们的argument value 即可。
- 提供可选 argument 的 name。因为这些 arguments 的位置都往往靠后,且要用的可选 argument 可能会随着具体情况而变化,不一定会按照顺序来,如果不提供 argument ,直接按照位置来匹配会容易出现匹配错误。
例如:paste (..., sep = " ", collapse = NULL, recycle0 = FALSE)
12.5 Environment (optional)
Function 在执行的时候,会生成一个该 function 专属的独立 environment,这就使得在执行时有一些需要注意的细节。
- 所有在 function 内部定义的 object 都是临时局部变量,在 function 执行结束后会和该 function 专属的独立 environment 一起被“销毁”;
x <- 1
my_fun <- \(y) y + 1
my_fun(x)
#> [1] 2
y
#> Error in eval(expr, envir, enclos): object 'y' not found
- 所有没有在 function 内部定义的 object, R 都会到上一级的 environment 里面找,没找到就再上一级,直到 Global Environment;
x <- 1
my_fun <- \() x + 1
my_fun()
#> [1] 2
- 同名 objects:
-
function
内外部定义有同名 objects,例如a
,执行 function 时使用的是临时局部变量a
,且不会改变外部 environment 中a
的值。 - 定义了和某 function 同名的 object,通常 R 会根据实际情况来自动区分;
-
a <- 1
my_fun <- function() {
a <- 2
b <- 1
return(a + b)
}
my_fun()
#> [1] 3
a
#> [1] 1
上述两种同名的情况,虽然看起来不会造成什么严重的问题,但是极其容易让人混淆,请注意避免。
- 在 function 内部更改上一级 environment 中 object 的 value。
<<-
12.6 Be an attentive coder (optional)
在定义 function 时,一个具备用户思维的码农会将各种可能的情况考虑得比较完善,并针对不同的情况给出清晰的提示。以定义一个寻找众数的 function 为例:
get_mode <- function(x) {
fre_tab <- table(x)
return(as.numeric(names(fre_tab)[fre_tab == max(fre_tab)]))
}
a <- sample(10, 10, TRUE)
a
#> [1] 9 7 3 7 2 2 3 6 7 3
get_mode(a)
#> [1] 3 7
通常都是从 argument 的角度考虑。
- 考虑 argument 的 structure type
get_mode <- function(x) {
if (is.expression(x)) stop("argument 'x' can not be an expression")
if (is.list(x) & !is.data.frame(x)) {
x <- unlist(x)
warning("argument 'x' is a list and has been expanded into a vector before loacting its mode")
}
if (is.data.frame(x)) x <- as.matrix(x)
fre_tab <- table(x)
return(as.numeric(names(fre_tab)[fre_tab == max(fre_tab)]))
}
get_mode(expression(1, 2))
#> Error in get_mode(expression(1, 2)): argument 'x' can not be an expression
get_mode(list(1, 2, 3))
#> Warning in get_mode(list(1, 2, 3)): argument 'x' is a list
#> and has been expanded into a vector before loacting its
#> mode
#> [1] 1 2 3
get_mode(data.frame(x = c(1, 2, 3), y = c(2, 3, 4)))
#> [1] 2 3
- 考虑 argument 的 element type
get_mode <- function(x) {
if (is.expression(x)) stop("argument 'x' can not be an expression")
if (is.list(x) & !is.data.frame(x)) {
x <- unlist(x)
warning("argument 'x' is a list and has been expanded into a vector before loacting its mode")
}
if (is.data.frame(x)) x <- as.matrix(x)
if (!is.numeric(x) & !is.logical(x)) {
warning("argument 'x' is not numeric or logical: returning NA")
return(NA)
}
fre_tab <- table(x)
return(as.numeric(names(fre_tab)[fre_tab == max(fre_tab)]))
}
get_mode(expression(1, 2))
#> Error in get_mode(expression(1, 2)): argument 'x' can not be an expression
get_mode(list(1, 2, 3))
#> Warning in get_mode(list(1, 2, 3)): argument 'x' is a list
#> and has been expanded into a vector before loacting its
#> mode
#> [1] 1 2 3
get_mode(c("a", "a", "b"))
#> Warning in get_mode(c("a", "a", "b")): argument 'x' is not
#> numeric or logical: returning NA
#> [1] NA
- 考虑操作的完备性
get_mode <- function(x, margin = 0) {
if (is.expression(x)) stop("argument 'x' can not be an expression")
if (is.list(x) & !is.data.frame(x)) {
x <- unlist(x)
warning("argument 'x' is a list and has been expanded into a vector before loacting its mode")
}
if (is.data.frame(x)) x <- as.matrix(x)
if (!is.numeric(x) & !is.logical(x)) {
warning("argument 'x' is not numeric or logical: returning NA")
return(NA)
}
if ((margin == 1 | margin == 2) & length(dim(x)) == 2) {
n_mode <- ifelse(margin == 1, nrow(x), ncol(x))
all_modes <- vector("list", n_mode)
for (r in 1:n_mode) {
fre_tab <- table(if (margin == 1) x[r, ] else x[, r])
all_modes[[r]] <- as.numeric(names(fre_tab)[fre_tab == max(fre_tab)])
}
return(all_modes)
} else if ((margin == 1 | margin == 2) & length(dim(x)) > 2) {
stop("the dimensionality of argument 'x' must not exceed 2 when locating mode rowwise or colwise")
} else {
fre_tab <- table(x)
return(as.numeric(names(fre_tab)[fre_tab == max(fre_tab)]))
}
}
a <- matrix(sample(12, 15, TRUE), 3, 5)
a
#> [,1] [,2] [,3] [,4] [,5]
#> [1,] 2 7 7 1 5
#> [2,] 4 1 2 8 9
#> [3,] 10 8 3 9 7
get_mode(a, margin = 1)
#> [[1]]
#> [1] 7
#>
#> [[2]]
#> [1] 1 2 4 8 9
#>
#> [[3]]
#> [1] 3 7 8 9 10
get_mode(a, margin = 2)
#> [[1]]
#> [1] 2 4 10
#>
#> [[2]]
#> [1] 1 7 8
#>
#> [[3]]
#> [1] 2 3 7
#>
#> [[4]]
#> [1] 1 8 9
#>
#> [[5]]
#> [1] 5 7 9
a1 <- array(sample(16, 16, TRUE), c(2, 4, 2))
get_mode(a1, margin = 1)
#> Error in get_mode(a1, margin = 1): the dimensionality of argument 'x' must not exceed 2 when locating mode rowwise or colwise
- 减少冗余代码
mode_bytable <- function(input) {
fre_tab <- table(input)
return(as.numeric(names(fre_tab)[fre_tab == max(fre_tab)]))
}
get_mode <- function(x, margin = 0) {
if (is.expression(x)) stop("argument 'x' can not be an expression")
if (is.list(x)) {
x <- unlist(x)
warning("argument 'x' is a list and has been expanded into a vector before loacting its mode")
}
if (is.data.frame(x)) x <- as.matrix(x)
if (!is.numeric(x) & !is.logical(x)) {
warning("argument 'x' is not numeric or logical: returning NA")
return(NA)
}
if ((margin == 1 | margin == 2) & length(dim(x)) == 2) {
n_mode <- ifelse(margin == 1, nrow(x), ncol(x))
all_modes <- vector("list", n_mode)
for (r in 1:n_mode) {
all_modes[[r]] <- mode_bytable(if (margin == 1) x[r, ] else x[, r])
}
} else if ((margin == 1 | margin == 2) & length(dim(x)) > 2) {
stop("the dimensionality of argument 'x' must not exceed 2 when computing mode rowwise or colwise")
} else {
all_modes <- mode_bytable(x)
}
return(all_modes)
}
a <- matrix(sample(12, 15, TRUE), 3, 5)
a
#> [,1] [,2] [,3] [,4] [,5]
#> [1,] 8 5 3 5 3
#> [2,] 4 9 7 10 12
#> [3,] 1 2 5 2 10
get_mode(a)
#> [1] 5
get_mode(a, margin = 1)
#> [[1]]
#> [1] 3 5
#>
#> [[2]]
#> [1] 4 7 9 10 12
#>
#> [[3]]
#> [1] 2
12.7 Be a curious coder (optional)
如果要提高编程的水平,一个重要的方式就是多读高手的代码,特别是一些包中的源码。
- 已经加载的包中的 function
mean # 在 Console 输出
function (x, ...)
UseMethod("mean")
<bytecode: 0x000002b3b09b4de0>
<environment: namespace:base>
使用View(mean)
更方便。
- 未加载的包中的 function
已经安装,但是没有加载的包中的 function,可以使用::
来查看,例如:
openxlsx::read.xlsx
#> function (xlsxFile, sheet, startRow = 1, colNames = TRUE, rowNames = FALSE,
#> detectDates = FALSE, skipEmptyRows = TRUE, skipEmptyCols = TRUE,
#> rows = NULL, cols = NULL, check.names = FALSE, sep.names = ".",
#> namedRegion = NULL, na.strings = "NA", fillMergedCells = FALSE)
#> {
#> UseMethod("read.xlsx", xlsxFile)
#> }
#> <bytecode: 0x000002b3b103cb60>
#> <environment: namespace:openxlsx>
::
也可以用来在不加载整个包的情况下使用包中的指定 function,例如:
openxlsx::read.xlsx("1.xlsx")
更多具体的查看源码的方式可以参考:
- 六种方法查看R函数源代码,为啥第三种最惹人喜欢?
- How can I view the source code for a function?
- How to read the source code of an internal R function
冷知识:
To understand computations in R, two slogans are helpful:
Everything that exists is an object.
Everything that happens is a function call.
— John Chambers
`+`
#> function (e1, e2) .Primitive("+")
12.8 Recap
- 自定义 function 基本结构是:
name_fun <- function(arglist) {
expr
return(value)
}
-
\(arglist) expr
是4.1.0
以上版本的 R 支持的 function 基本结构简便写法; - function 的 argument 包括必选 argument 和可选 argument,可选 argument 通常都会有默认值;
- 使用 function 时,可以考虑略写必选 argument 的 name,而提供可选 argument 的 name;
- function 在执行的时候会生成一个该 function 专属的独立 environment;
- 尽量避免同名的情况,包括不同 environment 中的变量同名或 function 和变量同名。