r - 学习用 R 编写函数

Question

我正处于使用 R 的阶段，我想开始编写自己的函数，因为我往往需要一遍又一遍地做同样的事情。但是，我正在努力了解如何概括我所写的内容。查看源代码并没有帮助我学得很好，因为似乎经常广泛使用 .Internal 或 .Primitive 函数(或其他我不知道的命令)。我想简单地从将我的普通复制粘贴解决方案转换为函数开始 - 稍后会出现更奇特的东西!

举个例子:我做了很多需要做一些操作的数据格式化，然后用零填充所有其他没有任何数据的组合的数据框(例如，没有观察的年份因此最初没有记录，等等)。我需要对具有不同变量集的不同数据集一遍又一遍地执行此操作，但想法和实现始终相同。

我解决这个问题的非功能性方法是(对于一个特定的实现和最小的例子):

df <- data.frame(County = c(1, 45, 57),
                 Year = c(2002, 2003, 2003),
                 Level = c("Mean", "Mean", "Mean"),
                 Obs = c(1.4, 1.9, 10.2))

#Create expanded version of data frame
Counties <- seq(from = 1, to = 77, by = 2)
Years <- seq(from = 1999, to = 2014, by = 1)
Levels <- c("Max", "Mean")
Expansion <- expand.grid(Counties, Years, Levels)
Expansion[4] <- 0
colnames(Expansion) <- colnames(df)

#Merge and order them so that the observed value is on top
df_full <- merge(Expansion, df, all = TRUE)
df_full$duplicate <- with(df_full,
                          paste(Year, County, Level))

df_full <- df_full[order(df_full$Year,
                         df_full$County,
                         df_full$Level,
                         -abs(df_full$Obs)), ]

#Deduplicate by taking the first that shows up (the observation)
df_full <- df_full[ !duplicated(df_full$duplicate), ]
df_full$duplicate <- NULL

我想对此进行概括，以便我可以以某种方式放入一个数据框(并且可能选择我需要排序的列，因为它有时会发生变化)，然后得到扩展版本。我的第一个实现包含一个参数太多的函数(数据框，然后是我想要排序/扩展的所有列名。网格)而且它也不起作用:

gridExpand <- function(df, col1, col2=NULL, col3=NULL, measure){
  #Started with "Expansion" being a global outside of the function 
  #It is identical the first part of the above code
  ex <- merge(Expansion, df, all = TRUE)
  ex$dupe <- with(ex,
                 paste(col1, col2, col3))
   ex <- ex[order(with(ex,
                       col1, col2, col3, -abs(measure)))]
   ex <- ex[ !duplicated(ex$dupe)]
   ex <- subset(ex, select = -(dupe))  
}

df_full <- gridExpand(df, Year, County, Level, Obs)

Error in paste(col1, col2, col3) : object 'Year' not found

我假设这不起作用，因为 R 无法知道 'Year' 来自哪里。我可能会尝试 paste(df, "$Year") 但它会创建 "df$Year" ，这显然是行不通的。而且我从来没有看到其他人在他们的功能中这样做，所以很明显我想念人们在数据框相关功能中引用事物的方式。

理想情况下，我想知道一些可以帮助思考泛化的资源，或者如果有人可以为我指出解决这个特定问题的正确方向，我认为这可能会帮助我了解我做错了什么。我不知道寻求帮助的更好方法 - 我一直在尝试阅读有关编写函数的教程大约 3 个月，但没有点击。

Answer 1

乍一看，您能做的最重要的事情就是不在您的函数中使用非标准求值快捷方式:比如$、subset () 和 with()。这些函数旨在方便交互使用，而不是可扩展的编程用途。 (参见，例如，?subset 中的 Warning 应该添加到 ?with, fortunes::fortune(312) , fortunes::fortune(343).)

fortunes::fortune(312)

The problem here is that the $ notation is a magical shortcut and like any other magic if used incorrectly is likely to do the programmatic equivalent of turning yourself into a toad. -- Greg Snow (in response to a user that wanted to access a column whose name is stored in y via x$y rather than x[[y]]) R-help (February 2012)

fortunes::fortune(343)

Sooner or later most R beginners are bitten by this all too convenient shortcut. As an R newbie, think of R as your bank account: overuse of $-extraction can lead to undesirable consequences. It's best to acquire the [[ and [ habit early. -- Peter Ehlers (about the use of $-extraction) R-help (March 2013)

当您开始编写适用于数据框的函数时，如果您需要引用列名，您应该将它们作为字符串传递，然后使用 [ 或 [[根据存储在变量名称中的字符串获取列。这是使用用户指定的列名使函数灵活的最简单方法。例如，这是一个简单的愚蠢函数，用于测试数据框是否具有给定名称的列:

does_col_exist_1 = function(df, col) {
    return(!is.null(df$col))
}

does_col_exist_2 = function(df, col) {
    return(!is.null(df[[col]])
    # equivalent to df[, col]
}

这些产量:

does_col_exist_1(mtcars, col = "jhfa")
# [1] FALSE
does_col_exist_1(mtcars, col = "mpg")
# [1] FALSE

does_col_exist_2(mtcars, col = "jhfa")
# [1] FALSE
does_col_exist_2(mtcars, col = "mpg")
# [1] TRUE

第一个函数是错误的，因为 $ 不会评估它后面的内容，无论我在调用函数时将 col 设置为什么值， df$col 将查找字面上名为 "col" 的列。但是，括号将计算 col 并看到“哦，嘿，col 设置为 "mpg"，让我们寻找其中的一列名字。”

如果您想对这个问题有更多的了解，我推荐 Non-Standard Evaluation Section of Hadley Wickham's Advanced R book .

我不会重新编写和调试您的函数，但如果我想这样做，我的第一步是删除所有 $、with()、和 subset()，替换为 [。很有可能这就是您需要做的所有事情。