10 användbara funktioner i R som du kanske inte visste om

I R finns det gott om olika funktioner. Nedan kommer jag att lista tio av de mest intressanta, som många kanske inte känner till. Artikeln kom till efter att jag upptäckte att mina berättelser om vissa möjligheter i R, som jag använder i mitt arbete, blev entusiastiskt mottagna av programmerare jag känner. Om du redan vet allt detta, ber jag om ursäkt för den bortkastade tiden. Samtidigt, om du har något att dela med dig av – ge gärna förslag på något användbart i kommentarerna.

Skillbox rekommenderar: Praktisk kurs «Python-utvecklare».

Påminnelse: för alla läsare av "Habr" — 10 000 rubel rabatt vid registrering för vilken kurs som helst på Skillbox med rabattkoden "Habr".

switch-funktionen

Jag gillar verkligen switch(). Faktiskt är det en bekväm förkortning av if-operatorn för att välja ett värde baserat på värdet av en annan variabel. Jag tycker att detta är särskilt användbart när jag skriver kod som ska ladda en specifik datamängd baserat på ett tidigare val. Till exempel, om det finns en variabel som heter animal och jag behöver välja en specifik datamängd beroende på om djuret är en hund, katt eller kanin, skriver jag så här:

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

Denna funktion kommer att vara användbar i Shiny-applikationer, där jag behöver ladda olika datamängder eller miljöfiler beroende på en eller flera input-menyer.

Genvägar för RStudio

Denna hack är inte så mycket för R, utan för RStudio IDE. Ändå är genvägar alltid mycket praktiska och sparar tid vid textinmatning. Mina favoriter är Ctrl+Shift+M för %>% och Alt+- för <-.

För att se alla genvägar, tryck helt enkelt på Alt+Shift+K i RStudio.

Flexdashboard-paketet

När jag snabbt behöver starta en Shiny-instrumentpanel finns det inget bättre än dashboard-paketet. Det ger möjlighet att arbeta med HTML-genvägar, vilket i sin tur gör det enkelt och smidigt att skapa sidopaneler, rader och kolumner. Det finns också möjlighet att använda title bar, vilket låter mig placera den på olika sidor i applikationen, och lämna ikoner, genvägar på Github, e-postadresser och mycket mer.

Paketet gör det möjligt att arbeta inom Rmarkdown, så att man kan placera alla appar i en och samma Rmd-fil istället för att sprida dem över olika servrar och UI-filer, som görs med shinydashboard till exempel. Jag använder flexdashboard varje gång jag behöver skapa en enkel prototyp av en instrumentpanel innan jag börjar arbeta med något mer komplext. Denna funktion möjliggör att skapa en prototyp på en timme.

Funktionerna req och validate i R Shiny

Utveckling i R Shiny kan vara förvirrande, särskilt när man hela tiden får konstiga felmeddelanden som gör det omöjligt att förstå vad som händer. Men med tiden utvecklas och förbättras Shiny, och fler och fler funktioner dyker upp som hjälper till att förstå orsaken till fel. Till exempel löser req() problemet med "tysta" fel där det överhuvudtaget är oklart vad som är fel. Med den kan man visa användargränssnittselement kopplade till tidigare åtgärder. Låt oss förklara med ett exempel:

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() kontrollerar allt före rendering och ger möjlighet att visa ett felmeddelande, till exempel att användaren har laddat upp en felaktig 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
})

Mer detaljerad information om alla dessa funktioner kan hittas här.

Att lagra dina inloggningsuppgifter för dig själv i systemets miljö

Om du planerar att dela kod där inloggningsuppgifter krävs - använd systemmiljön för att undvika att placera dina inloggningsuppgifter på Github eller en annan tjänst. Exempel på hur man gör:

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

Nu kan man logga in med hjälp av miljövariabler:

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

Ännu mer bekvämt (speciellt om du ofta använder dessa data) är att ställa in dem som miljövariabler direkt i operativsystemet. På så sätt kommer de alltid att vara tillgängliga och du behöver inte ange dem i koden.

Automatisering av tidyverse med styler

Att rengöra koden kan underlättas av paketet styler, som har många möjligheter för automatisk stiljustering av koden i tidyverse. Det enda som behövs är att köra styler::style_file() för ditt problematiska skript. Paketet kommer att göra mycket (men inte allt) för att strukturera upp.

Parameterisering av R Markdown-dokument

Så du har skapat ett utmärkt R Markdown-dokument där du analyserar olika fakta om hundar. Och då kommer du på att det skulle vara bättre att göra samma arbete, men bara med katter. Inga problem, du kan automatisera skapandet av katt-rapporter med bara en enda kommando. För detta behöver du bara parameterisera ditt R Markdown-dokument.

Detta kan göras genom att ange parametrar för YAML-rubriken i det angivna dokumentet, och sedan - värdesparametrar.

— title: «Djuranalys»
author: «Keith McNulty»
date: «21 mars 2019»
output:
html_document:
code_folding: «dölj»
params:
animal_name:
value: Hund
choices:
— Hund
— Katt
— Kanin
years_of_study:
input: slider
min: 2000
max: 2019
step: 1
round: 1
sep: »
value: [2010, 2017]
—

Nu kan du skriva alla variabler i koddokumentet som params$animal_name och params$years_of_study. Sedan använder vi rullgardinsmenyn Knit (eller knit_with_parameters()) för att få möjlighet att välja parametrar.

revealjs

revealjs är ett paket som möjliggör skapandet av fantastiska HTML-presentationer med inbäddad R-kod, intuitiv navigering och slide-menyer. HTML-genvägar gör det möjligt att snabbt skapa en inbäddad struktur av slides med olika stilalternativ. Och HTML kan köras på vilken enhet som helst, så presentationen kan öppnas på alla telefoner, surfplattor eller bärbara datorer. Informationsavslöjande kan konfigureras genom att installera paketet och kalla på det i YAML-rubriken. Här är ett exempel:

— title: «Utforska kanten av People Analytics-universumet»
author: «Keith McNulty»
output:
revealjs::revealjs_presentation:
center: ja
template: starwars.html
theme: svart
date: «HR Analytics Meetup London — 18 mars 2019»
resource_files:
— darth.png
— deathstar.png
— hanchewy.png
— millenium.png
— r2d2-threepio.png
— starwars.html
— starwars.png
— stormtrooper.png
—

Källkoden för presentationen är här, och själva <a href=«rpubs.com/keithmcnulty/hr_meetup_london‘>presentationen är här.

HTML-taggar i R Shiny

De flesta programmerare utnyttjar inte alla fördelar med HTML-taggarna som finns i R Shiny. Det är bara 110 taggar som ger möjlighet att skapa korta anrop för HTML-funktioner eller återge media. Till exempel använde jag nyligen tags$audio för att spela upp ett "vinst"-ljud som varnade användaren om att uppgiften var slutförd.

Paketet praise

Det är mycket enkelt att använda detta paket, och det behövs för att ge beröm till användaren. Det kan verka konstigt, men de gillar det verkligen.

Skillbox rekommenderar:

• Tvåårig praktisk kurs «Jag är PRO Webbutvecklare».
• Onlinekurs «C#-utvecklare».
• Praktisk årskurs PHP-utvecklare från grunden till PRO.

Källa: habr.com