第 21 章 函数式编程2

library(tidyverse)

## Warning: package 'ggplot2' was built under R version 4.2.3

## Warning: package 'tibble' was built under R version 4.2.3

## Warning: package 'tidyr' was built under R version 4.2.2

## Warning: package 'readr' was built under R version 4.2.2

## Warning: package 'purrr' was built under R version 4.2.2

## Warning: package 'dplyr' was built under R version 4.2.3

## Warning: package 'stringr' was built under R version 4.2.2

## Warning: package 'lubridate' was built under R version 4.2.2

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.2     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.1     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

第 20 章， 我们学习了如何使用map()函数迭代一个向量（或列表），并对其元素施以函数。

事实上，purrr()家族还有其它map()函数，可以在多个向量中迭代。也就说，同时接受多个向量的元素，并行计算。比如，map2()函数可以处理两个向量，而pmap()函数可以处理更多向量。

21.1 map2()

map2()函数和map()函数类似，不同在于map2()接受两个的向量，这两个向量必须是等长

在map()函数使用匿名函数，可以用 . 代表输入向量的每个元素。在map2()函数， .不够用，所有需要需要用 .x 代表第一个向量的元素，.y代表第二个向量的元素

x <- c(1, 2, 3)
y <- c(4, 5, 6)

map2(x, y, ~ .x + .y)

## [[1]]
## [1] 5
## 
## [[2]]
## [1] 7
## 
## [[3]]
## [1] 9

tibble的每一列都是向量，所以可以把map2()放在mutate()函数内部，对tibble的多列同时迭代

df <-
  tibble(
    a = c(1, 2, 3),
    b = c(4, 5, 6)
  )

df %>% 
  mutate(min = map2_dbl(a, b, ~min(.x, .y)))

## # A tibble: 3 × 3
##       a     b   min
##   <dbl> <dbl> <dbl>
## 1     1     4     1
## 2     2     5     2
## 3     3     6     3

也可以简写

df %>% 
  mutate(min = map2_dbl(a, b, min))

## # A tibble: 3 × 3
##       a     b   min
##   <dbl> <dbl> <dbl>
## 1     1     4     1
## 2     2     5     2
## 3     3     6     3

注意到，mutate() 是column-operation，即提取数据框一列作为向量，传递到mutate中，map2_dbl()返回的也是一个等长的向量。当然，我们可以用第 39 章的row-wise的方法，实现相同功能。

df %>% 
  rowwise() %>% 
  mutate(min = min(a, b)) %>% 
  ungroup()

## # A tibble: 3 × 3
##       a     b   min
##   <dbl> <dbl> <dbl>
## 1     1     4     1
## 2     2     5     2
## 3     3     6     3

21.2 pmap()

没有map3()或者map4()函数，只有 pmap() 函数可用(p 的意思是 parallel)

pmap()函数稍微有点不一样的地方:

• map()和map2()函数，指定传递给函数f的向量，向量各自放在各自的位置上
• pmap()需要将传递给函数的向量名，先装入一个list()中, 再传递给函数f

翻转列表的图示，参数的传递关系看地更清楚。

事实上，map2()是pmap()的一种特殊情况

map2_dbl(x, y, min)

## [1] 1 2 3

pmap_dbl(list(x, y), min)

## [1] 1 2 3

21.2.1 用在tibble

tibble本质上就是list，这种结构就是pmap()所需要的，因此，直接应用函数即可。

tibble(
  a = c(50, 60, 70),
  b = c(10, 90, 40),
  c = c(1, 105, 200)
) %>% 
  pmap_dbl(min)

## [1]  1 60 40

以下是两个非常优秀的图示，方便大家记忆

图 21.1: 图片来源于Jennifer Bryan 的报告《Row-oriented workflows in R and tidyverse》

图 10.1: 图片来源于charlotte wickham的报告《solving iteration problems with purrr》

21.2.2 匿名函数

pmap()可以接受多个向量，因此在pmap()种使用匿名函数，就需要一种新的方法来标识每个向量。

由于向量是多个，因此不再用.x， .y，而是用..1, ..2, ..3 分别代表第一个向量、第二个向量和第三个向量。

pmap(
  list(1:5, 5:1, 2), ~ ..1 + ..2 - ..3
  )

## [[1]]
## [1] 4
## 
## [[2]]
## [1] 4
## 
## [[3]]
## [1] 4
## 
## [[4]]
## [1] 4
## 
## [[5]]
## [1] 4

21.2.3 命名函数

params <- tibble::tribble(
  ~ n, ~ min, ~ max,
   1L,     0,     1,
   2L,    10,   100,
   3L,   100,  1000
)

pmap(params, ~runif(n = ..1, min = ..2, max = ..3))

## [[1]]
## [1] 0.05862021
## 
## [[2]]
## [1] 26.21417 86.82195
## 
## [[3]]
## [1] 386.8337 558.0976 604.6650

如果提供给pmap()的.f 是命名函数，比如runif(n, min = , max = )，它有三个参数 n, min, max， 而我们输入的列表刚好也有三个同名的元素，那么他们会自动匹配，代码因此变得更加简练

pmap(params, runif)

## [[1]]
## [1] 0.09750563
## 
## [[2]]
## [1] 85.51192 39.48302
## 
## [[3]]
## [1] 879.0590 638.0751 596.4989

当然，这里需要注意的是

• 输入列表的元素，其个数要与函数的参数个数一致
• 输入列表的元素，其变量名也要与函数的参数名一致

21.3 其他purrr函数

21.3.1 Map functions that output tibbles

接着介绍purrr宏包的其他函数。 map()家族除了返回list和atomic vector 外，map_df(), map_dfr() 和map_dfc()还可以返回tibble。

这个过程，好比生产线上的工人把输入的列表元素依次转换成一个个tibble，

最后归集一个大的tibble。在归集成一个大的tibble的时候，有两种方式，

• 竖着堆积，map_dfr() (r for rows)

• 并排堆放 map_dfc() (c for columns)

21.3.2 Walk and friends

walk()函数与map()系列函数类似，但应用场景不同，map()在于执行函数操作，而walk() 保存记录数据（比如print(),write.csv(), ggsave()），常用于保存数据和生成图片。比如我们用map()生成系列图片，

plot_rnorm <- function(sd) {
  tibble(x = rnorm(n = 5000, mean = 0, sd = sd)) %>% 
    ggplot(aes(x)) +
    geom_histogram(bins = 40) +
    geom_vline(xintercept = 0, color = "blue")
}

plots <-
  c(5, 1, 9) %>% 
  map(plot_rnorm)

然后我们用walk()函数依次打印出来

plots %>% 
  walk(print)

map()函数是一定要返回列表的，但walk()看上去函数没有返回值，实际上它返回的就是它的输入，只是用户不可见而已。

这样的设计很有用，尤其在管道操作中，我们可以统计中，用walk()保存中间计算的结果或者生成图片，然后若无其事地继续管道（因为walk()返回值，就是输入walk的值），保持计算的连贯。

21.4 参考

• https://adv-r.hadley.nz/functionals.html
• https://dcl-prog.stanford.edu/purrr-extras.html