10 användbara R-funktioner som du kanske inte känner till

R är full av alla möjliga funktioner. Nedan kommer jag att lista tio av de mest intressanta som många kanske inte känner till. Den här artikeln kom till efter att jag upptäckte att mina berättelser om några av de R-funktioner jag använder i mitt arbete möttes med entusiasm av programmerarvänner. Om du redan vet allt om detta ber jag om ursäkt för att jag slösat bort din tid. Samtidigt, om du har något att dela, vänligen föreslå något användbart i kommentarerna.

Skillbox rekommenderar: Praktisk kurs "Python-utvecklare".

Påminnelse: för alla läsare av "Habr" - en rabatt på 10 000 rubel när du anmäler dig till någon Skillbox-kurs med hjälp av "Habr"-kampanjkoden.

Switch funktion

Jag gillar verkligen switch(). Det är faktiskt en bekväm genväg till if-satsen när du väljer ett värde baserat på värdet av en annan variabel. Jag tycker att detta är särskilt användbart när jag skriver kod som behöver ladda en specifik uppsättning data enligt ett tidigare urval. Till exempel, om du har en variabel som heter djur och du vill välja en specifik uppsättning data baserat på om djuret är en hund, katt eller kanin, skulle du skriva det så här:

data < — read.csv(
switch(djur,
"hund" = "hunddata.csv",
"cat" = "catdata.csv",
"rabbit" = "rabbitdata.csv")
)

Den här funktionen kommer att vara användbar i Shiny-applikationer där du behöver ladda olika datamängder eller miljöfiler beroende på en eller flera inmatningsmenyalternativ.

Snabbtangenter för RStudio

Detta hack är inte så mycket för R, utan för RStudio IDE. Snabbtangenter är dock alltid väldigt bekväma, vilket gör att du kan spara tid när du skriver in text. Mina favoriter är Ctrl+Skift+M för operatorn %>% och Alt+- för operatorn <-.

För att se alla snabbtangenter, tryck helt enkelt på Alt+Skift+K i RStudio.

flexdashboard-paket

När du snabbt behöver starta en Shiny instrumentpanel finns det inget bättre än instrumentpanelspaketet. Det ger möjlighet att arbeta med HTML-genvägar, vilket i sin tur låter dig enkelt och sömlöst skapa sidofält, rader och kolumner. Det finns också möjligheten att använda en titelrad, så att du kan placera den på olika sidor i programmet, lämna ikoner, genvägar på Github, e-postadresser och mycket mer.

Paketet låter dig arbeta inom Rmarkdown, så att du kan placera alla applikationer i en Rmd-fil, istället för att distribuera dem över olika servrar och UI-filer, som man till exempel gör med shinydashboard. Jag använder flexdashboard när jag behöver skapa en enkel instrumentpanelprototyp innan jag börjar arbeta med något komplext. Denna funktion låter dig skapa en prototyp inom en timme.

begära och validera funktioner i R Shiny

Att utveckla i R Shiny kan vara förvirrande, särskilt när du hela tiden får konstiga felmeddelanden som inte ger dig någon aning om vad som händer. Men allt eftersom tiden går utvecklas och förbättras Shiny, och fler och fler funktioner dyker upp som gör att du kan förstå orsaken till felet. Så req() löser problemet med ett "tyst" fel, när det inte alls är klart vad problemet är. Det låter dig visa användargränssnittselement relaterade till tidigare åtgärder. Låt oss förklara med ett exempel:

output$go_button < — shiny::renderUI({

# endast visningsknapp om en djurinmatning har valts

shiny::req(input$animal)

# displayknapp

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

validate() kontrollerar allt innan rendering och ger dig möjlighet att visa ett felmeddelande - till exempel att användaren laddade upp fel fil:

# hämta csv-indatafil

inFile < — input$file1
data < — inFile$datapath

# rendera tabellen endast om det är hundar

shiny::renderTable({
# kontrollera att det är hundfilen, inte katter eller kaniner
glänsande::validera(
need("Hundnamn" %i% kolnamn(data)),
"Dog Name-kolumnen hittades inte - laddade du in rätt fil?"
)

datum
})

Mer detaljerad information om alla dessa funktioner du kan ta reda på det här.

Håll dina referenser privata i systemmiljön

Om du planerar att dela kod som kräver att du anger dina referenser, använd systemmiljön för att undvika att lägga upp dina egna referenser till Github eller någon annan tjänst. Exempel på placering:

Sys.setenv(
DSN = "databasnamn",
UID = "Användar-ID",
PASS = "Lösenord"
)

Nu kan du logga in med miljövariabler:

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

Ännu bekvämare (speciellt om du använder data ofta) är att ställa in dem som miljövariabler direkt i operativsystemet. I det här fallet kommer de alltid att vara tillgängliga och du behöver inte ange dem i koden.

Automatisera tidyverse med styler

Stylerpaketet kan hjälpa dig att rensa upp din kod, eftersom det har många funktioner för att automatiskt föra in din kodstil i ordning och reda. Allt du behöver göra är att köra styler::style_file() på ditt problematiska skript. Paketet kommer att göra mycket (men inte allt) för att återställa ordningen.

Parametrering av R Markdown-dokument

Så du har skapat ett fantastiskt R Markdown-dokument som bryter ner olika fakta om hundar. Och då kommer det upp för dig att det vore bättre att göra samma arbete, men bara med katter. Inga problem, du kan automatisera din kattrapportering med bara ett kommando. För att göra detta behöver du bara parametrisera ditt R markdown-dokument.

Detta kan göras genom att ange parametrar för YAML-huvudet i det angivna dokumentet och sedan värdeparametrarna.

— titel: "Djuranalys"
författare: "Keith McNulty"
datum: «21 mars 2019»
produktion:
html_document:
code_folding: «dölj»
params:
djurnamn:
värde: Hund
val:
- Hund
- Katt
— Kanin
studieår:
ingång: reglage
min: 2000
max: 2019
steg: 1
omgång: 1
sep: »
värde: [2010, 2017]
-

Nu kan du registrera alla variabler i dokumentkoden som params$djurnamn och params$studieår. Sedan använder vi rullgardinsmenyn Knit (eller knit_with_parameters()) och får möjligheten att välja parametrar.

avslöjar

revealjs är ett paket som låter dig skapa fantastiska HTML-presentationer med inbäddad R-kod, intuitiv navigering och bildmenyer. HTML-genvägar låter dig snabbt skapa en kapslad struktur av bilder med olika stilalternativ. Tja, HTML kommer att köras på vilken enhet som helst, så presentationen kan öppnas på vilken telefon, surfplatta eller bärbar dator som helst. Informationsutlämnande kan konfigureras genom att installera paketet och anropa det i YAML-huvudet. Här är ett exempel:

— titel: "Utforska kanten av People Analytics Universe"
författare: "Keith McNulty"
produktion:
revealjs::revealjs_presentation:
mitten: ja
mall: starwars.html
tema: svart
datum: "HR Analytics Meetup London – 18 mars 2019"
resursfiler:
— darth.png
— deathstar.png
— hanchewy.png
— millenium.png
— r2d2-threepio.png
— starwars.html
— starwars.png
— stormtrooper.png
-

Presentationens källkod postat här, och sig självrpubs.com/keithmcnulty/hr_meetup_london'>presentationen är här.

HTML-taggar i R Shiny

De flesta programmerare drar inte full nytta av HTML-taggarna som R Shiny har att erbjuda. Men det är bara 110 taggar som gör det möjligt att skapa ett kort anrop till en HTML-funktion eller mediauppspelning. Till exempel använde jag nyligen tags$audio för att spela ett "seger"-ljud för att varna användaren om att en uppgift hade slutförts.

Berömpaket

Detta paket är mycket lätt att använda och behövs för att visa beröm till användaren. Det verkar konstigt, men de gillar det faktiskt.

Skillbox rekommenderar:

• Tvåårig praktisk kurs "Jag är en PRO webbutvecklare".
• Onlinekurs "C#-utvecklare".
• Praktisk årskurs "PHP-utvecklare från 0 till PRO".

Källa: will.com