10 nyttige funktioner i R, som du måske ikke kender til

Der R-sprog er fyldt med forskellige funktioner. Nedenfor vil jeg præsentere ti af de mest interessante, som mange muligvis ikke kender til. Artiklen opstod efter, at jeg opdagede, at mine beskrivelser af nogle af de R-funktioner, jeg bruger i mit arbejde, blev begejstret modtaget af mine programmeringskolleger. Hvis du allerede kender til alt dette, undskylder jeg for at spilde din tid. Samtidig, hvis du har noget at dele, vil jeg sætte pris på nyttige forslag i kommentarerne.

Skillbox anbefaler: Praktisk kursus «Python-udvikler».

Vi minder om: til alle læsere af 'Habr' — rabat på 10.000 rubler ved tilmelding til et hvilket som helst Skillbox-kursus med rabatkoden 'Habr'.

switch-funktion

Jeg er virkelig, virkelig glad for switch(). Faktisk er det en praktisk forkortelse for if-operatoren, når man vælger et værdibaseret på værdien af en anden variabel. Jeg finder det især nyttigt, når jeg skriver kode, der skal indlæse et bestemt datasæt baseret på tidligere valg. For eksempel, hvis jeg har en variabel ved navn animal og jeg skal vælge et bestemt datasæt afhængigt af om dyret er en hund, kat eller kanin, kan jeg skrive:

data <- read.csv(
switch(animal,
«dog» = «dogdata.csv»,
«cat» = «catdata.csv»,
«rabbit» = «rabbitdata.csv»)
)

Denne funktion vil være nyttig i Shiny-applikationer, hvor man skal indlæse forskellige datasæt eller miljøfiler baseret på et eller flere menupunkter.

Genvejstaster til RStudio

Denne hack er ikke så meget for R, men for RStudio IDE. Alligevel er genvejstaster altid meget praktiske, da de sparer tid, når man skriver tekst. Mine favoritter er Ctrl+Shift+M for operatoren %>% og Alt+- for operatoren <-.

For at se alle genvejstasterne, tryk blot på Alt+Shift+K i RStudio.

flexdashboard-pakken

Når man hurtigt skal oprette et Shiny-dashboard, er der ikke noget bedre end dashboard-pakken. Den giver mulighed for at arbejde med HTML-genveje, som igen gør det nemt og problemfrit at oprette sidepaneler, rækker og kolonner. Der er også mulighed for at bruge title bar, der tillader at placere den på forskellige sider af applikationen, efterlade ikoner, genveje til Github, e-mailadresser og meget mere.

Pakken gør det muligt at arbejde inden for Rmarkdown, så du kan placere alle applikationer i én Rmd-fil i stedet for at sprede dem over forskellige servere og UI-filer, som det eksempelvis gør med shinydashboard. Jeg bruger altid flexdashboard, når jeg skal lave en simpel prototype af et dashboard, inden jeg begynder at arbejde på noget mere komplekst. Denne funktion giver mulighed for at skabe en prototype på en time.

Funktionerne req og validate i R Shiny

Udvikling i R Shiny kan være forvirrende, især når man konstant modtager mærkelige fejlmeddelelser, som ikke giver nogen forståelse af, hvad der foregår. Men med tiden udvikler og forbedrer Shiny sig, og der kommer flere og flere funktioner, som hjælper med at finde årsagen til fejlen. For eksempel løser req() problemet med 'stille' fejl, hvor man slet ikke forstår, hvad der er galt. Med den kan man vise UI-elementer, der relaterer sig til tidligere handlinger. Lad os forklare det med et eksempel:

output$go_button <- shiny::renderUI({

# only display button if an animal input has been chosen

shiny::req(input$animal)

# display button

shiny::actionButton("go",
paste("Conduct", input$animal, "analysis!")
)
})

validate() tjekker alt inden rendering og giver mulighed for at vise en fejlmeddelelse – eksempelvis om, at brugeren har uploadet en forkert fil:

# get csv input file

inFile <- input$file1
data <- inFile$datapath

# render table only if it is dogs

shiny::renderTable({
# check that it is the dog file, not cats or rabbits
shiny::validate(
need("Dog Name" %in% colnames(data)),
"Dog Name column not found – did you load the right file?"
)

data
})

Du kan finde mere detaljeret information om alle disse funktioner her.

Opbevaring af sine legitimationsoplysninger i systemmiljøet

Hvis du planlægger at dele kode, som kræver indtastning af adgangsdata, - brug systemmiljøet for at undgå at placere dine egne legitimationsoplysninger i Github eller en anden tjeneste. Eksempel på placering:

Sys.setenv(
DSN = "database_name",
UID = "User ID",
PASS = "Password"
)

Nu kan du logge ind ved hjælp af miljøvariabler:

db <- DBI::dbConnect(
drv = odbc::odbc(),
dsn = Sys.getenv("DSN"),
uid = Sys.getenv("UID"),
pwd = Sys.getenv("PASS")
)

Det er endnu mere praktisk (især hvis du ofte bruger dataene) at sætte dem som miljøvariabler direkte i operativsystemet. På denne måde vil de altid være tilgængelige, og du behøver ikke angive dem i koden.

Automatisering af tidyverse med styler

At rydde op i koden kan hjælpe, kan styler-pakken, som har mange funktioner til automatisk stilretning af koden i tidyverse. Alt hvad du behøver at gøre er at køre styler::style_file() for dit problematiske script. Pakken vil gøre meget (men ikke alt) for at bringe orden.

Parametrisering af R Markdown-dokumenter

Så du har oprettet et fantastisk R Markdown-dokument, hvor du analyserer forskellige fakta om hunde. Og så kommer du til at tænke på, at det ville være bedre at udføre det samme arbejde, men kun med katte. Intet problem, du kan automatisere oprettelsen af katte-rapporter med kun én kommando. Alt hvad du skal gøre er at parameterisere dit R Markdown-dokument.

Dette kan gøres ved at angive parametre for YAML-headeren i det angivne dokument, og derefter parameterværdierne.

— title: "Animal Analysis"
author: "Keith McNulty"
date: "21. marts 2019"
output:
html_document:
code_folding: "hide"
params:
animal_name:
value: Hund
choices:
— Hund
— Kat
— Kanin
years_of_study:
input: slider
min: 2000
max: 2019
step: 1
round: 1
sep: »
value: [2010, 2017]
—

Nu kan du angive alle variabler i dokumentets kode som params$animal_name og params$years_of_study. Derefter kan vi bruge dropdown-menuen Knit (eller knit_with_parameters()) og få mulighed for at vælge parametre.

revealjs

revealjs er en pakke, der giver mulighed for at lave fantastiske HTML-præsentationer med indbygget R-kode, intuitiv navigation og slide-menuer. HTML-genveje gør det hurtigt at skabe en indlejret struktur af slides med forskellige stilvarianter. Og HTML vil fungere på enhver enhed, så præsentationen kan åbnes på enhver telefon, tablet eller bærbar computer. Oplysninger kan tilpasses ved at installere pakken og kalde den i YAML-headeren. Her er et eksempel:

— title: "Exploring the Edge of the People Analytics Universe"
author: "Keith McNulty"
output:
revealjs::revealjs_presentation:
center: ja
template: starwars.html
theme: sort
date: "HR Analytics Meetup London — 18. marts, 2019"
resource_files:
— darth.png
— deathstar.png
— hanchewy.png
— millenium.png
— r2d2-threepio.png
— starwars.html
— starwars.png
— stormtrooper.png
—

Kildekoden til præsentationen er placeret her, og selve <a href="rpubs.com/keithmcnulty/hr_meetup_london">præsentationen er her.

HTML-tags i R Shiny

De fleste programmører udnytter ikke alle fordelene ved HTML-tags, som findes i R Shiny. Der er kun 110 tags, der gør det muligt at lave et kort kald til HTML-funktioner eller afspilning af medier. For eksempel brugte jeg for nylig tags$audio til at afspille en "vinder"-lyd, der advarede brugeren om, at en opgave var afsluttet.

Pakken praise

Det er meget enkelt at bruge denne pakke, og den er designet til at give ros til brugeren. Det virker underligt, men de elsker det faktisk.

Skillbox anbefaler:

• Toårigt praktisk kursus «Jeg er Web-udvikler PRO».
• Online kursus "C#-udvikler".
• Praktisk års kursus "PHP-udvikler fra 0 til PRO".

Kilde: habr.com