R语言基础系列:
Your first R function命令一个函数时,一般不写在交互式命令行里,而是写在一个空白的文本文件中,即把函数放在一个R包中,这里面包含着文档(documentation),是一个更加结构化的环境。
我们使用的软件是RStudio,左上角新建一个新的R脚本来写代码。
Example 1
举个例子,简单了解一下如何使用函数的语法、如何指定参数以及如何返回结果:
命令一个简单的函数,求x, y的和。
## 给函数赋值为add2,第一行小括号里写进变量,第二行大括号里写入运算
add2function(x,y){
x+y
}
## 因为R函数会返回最后一个表达式的值,所以不用写返回
在控制台(console)运行脚本,赋值后即可得到结果:
>add2function(x,y){
+x+y
+}
>add2(7,5)
[1]12
Example 2
下一个例子稍微复杂一点:
我们要输入一个数字向量,然后返回这个向量的子集(返回其中大于10的数字)
above10function(x){## 命名变量
usex>10## 逻辑语句,来判断变量x是否大于10
x[use]## 取子集
}
运行:
>above10function(x){
+usex>10
+x[use]
+}
>x1:16
>above10(x)
[1]111213141516
>above10(1:9)
integer(0)
如果我们不设置10,而是改成任意数字n,以上命令可改写为:
abovefunction(x,n){
usex>n
x[use]
}
运行:
>abovefunction(x,n){
+usex>n
+x[use]
+}
>x1:16
>above(x,12)
[1]13141516
设置“缺省值”(可以理解为默认值),即如果在函数运行过程中不指定n的值时,系统自动筛选的标准:
abovefunction(x,n=10){## 设置缺省值为10
usex>n
x[use]
}
这时当你运行函数时:
>abovefunction(x,n=10){
+usex>n
+x[use]
+}
>above(x)## 自动筛选数字向量中大于10的数字
[1]111213141516
Example 3
下面这个例子再复杂一点,我们要给函数一个参数,然后使用循环遍历这个函数的每一列:
比如,取一个矩阵,然后计算每列的平均值:
columnmeanfunction(x){## 给函数命名,设置参数x,用于储存矩阵
ncncol(x)## 计算矩阵中有多少列
meansnumeric(nc)## 设置数值向量储存列数,长度等于列数,它是一个空向量,每个元素的初始值为0,数值在循环中填满。
for(iin1:nc){## 设置循环,循环参数在整数向量1到列数之间
means[i]mean(x[,i])## 把每一列的平均值赋予means[i],x[,i]是矩阵取子集,即求每列的平均值
}
means## 返回means,平均值向量
}
运行这个程序,计算 airquality数据集每列的平均值:
ps. airquality数据集有6列,前六行长这样:
>head(airquality)
OzoneSolar.RWindTempMonthDay
1411907.46751
2361188.07252
31214912.67453
41831311.56254
5NA NA14.35655
628NA14.96656
运行脚本可以看到函数 columnmean(airquality)返回了6个平均值:
>columnmeanfunction(x){
+ncncol(x)
+meansnumeric(nc)
+for(iin1:nc){
+means[i]mean(x[,i])
+}
+means
+}
>columnmean(airquality)
[1]NA NA9.95751677.8823536.99346415.803922
可以看到,如果某列有缺失值NA的话,计算得出的数值就直接是NA。
所以我们可以添加一个逻辑参数,设置移除缺失值:
columnmeanfunction(x,removeNA=TRUE){## 添加参数,并设置缺省值为TRUE
ncncol(x)
meansnumeric(nc)
for(iin1:nc){
means[i]mean(x[,i],na.rm=removeNA)## 在mean()函数中添加参数
}
means
}
再次运行程序,可以看到计算结果是默认移除NA后求得的平均值:
>columnmean(airquality)
[1]42.129310185.9315079.95751677.8823536.99346415.803922
Functions in R
主要分三个部分来讲解函数:编写函数所需的基础知识
相关语法作用域
R语言作用域的规则
编写函数所需的基础知识
R语言通过 function()指令来命名和创建函数。首先要给函数赋值,也就是命名,然后在小括号中写入参数,最后再大括号中写入函数要执行的语句,其基本语法是:
ffunction(){
## Do something interesting
}
同时在R中,你可以将函数作为参数传递给其他函数,即嵌套。
函数的返回值是函数执行部分中的最后一行表达式。
编写函数的过程中我们可以设置和命名参数,这些参数可以代表数值、矩阵、数据框或逻辑值等等。同时也可以设置一些具有缺省值(默认值)的参数。形式参数(formal arguments)
形式参数是包含在函数定义里的参数。
formals()会将一个函数作为输入(input),并返回函数所有的形式参数组成的列表。
在R中,不是所有命令都用到所用的形式参数。加入一个函数中设置了10个参数,但我们往往并不需要指定每个参数的值是啥,所以函数可以缺失某些参数。当没有明确赋值是,它的取值就是缺省值(默认值,default value)匹配参数(argument matching)
可以根据位置或名称来匹配函数参数,这是编写和调用函数的关键。
以计算数据标准差的函数 sd()为例。
>datarnorm(100)## 取100个符合正态分布的随机数
>sd(x=data)## 给参数赋值 求标准差
[1]1.035329
>sd(data)## 给参数默认赋值
[1]1.035329
>sd(data,na.rm=FALSE)
[1]1.035329
>sd(na.rm=FALSE,data)## 调换参数位置后结果不变
[1]1.035329
以上所有表达式都是等价的,但是最好不要调换参数位置。
如果函数中参数较多,那么最好使用位置匹配。
比如 lm()函数(把数据拟合到线性模型),它的参数列表这么长:
>args(lm)
function(formula,data,subset,weights,na.action,method='qr',
model=TRUE,x=FALSE,y=FALSE,qr=TRUE,singular.ok=TRUE,
contrasts=NULL,offset,...)
NULL
前五个参数都没有缺省值,依次是,公式、数据、子集、权重等。这里使用者必须要指定他们的值。
lm(y~x,mydata,1:100,model=FALSE)
大多数情况下,我们不知道参数的具体位置,所以在命令行中,命名参数来匹配最安全。The order of operations when given an argument is:Check for exact match for a named argument
Check for a partial match
Check for a positional match惰性求值(Lazy Evaluation)
惰性求值是R语言的一个关键特性,也是许多编程语言常用的模型。仅在使用函数参数时对其求值。
第一个例子:
>ffunction(a,b){
+a^2
+}
>f(2)
[1]4
这里定义函数f,有两个参数,但返回值仅仅是a的平方。所以当运行f(2)时,和b无关,所以系统自动跳过,不会报错。
第二个例子:
>ffunction(a,b){
+print(a)
+print(b)
+}
>f(45)
[1]45
Errorinprint(b):argument'b'ismissing,withnodefault
这里同样定义f有两个参数,但返回值是a和b,所以当输入f(45)时,因为第二个位置上缺少b的赋值,所以会报错。这里就是用了惰性求值,即,仅在使用这个参数的时候进行求值,在这之前的程序都是有效的并可以执行,直至运行到出错的部分。特殊参数 ...
...参数是一种特殊的参数,表明一些可以传递给另一个函数的参数。常用于当你需要扩展另一个函数,而你又不想复制原函数的整个参数列表时。
如下例,你希望修改 plot()函数中的个别参数,而其他参数保持不变,将其应用于一个新定义的函数中 myplot():
myplotfunction(x,y,type='l',...){
plot(x,y,type=type,...)## Pass '...' to 'plot' function
}
在泛型函数(generic function)中, ...还有另一种用法,它的作用是根据数据类型使用合适的方法泛型函数是一个函数族,其中的每个函数都有相似的功能,但是适用于某个特定的类。
>mean
function(x,...)
UseMethod('mean')
还有一种情况下, ...参数必须使用:
那就是,当传递到函数的参数数量不能事先确定的时候。
比如 paste()函数,他的作用是将一连串字符串连接起来,然后新建一个字符串或向量,所以无法预知参数个数:
>args(paste)
function(...,sep=' ',collapse=NULL)
NULL
还有 cat()函数,它的功能是和 paste相似,也是连接字符串。
>args(cat)
function(...,file='',sep=' ',fill=FALSE,labels=NULL,
append=FALSE)
NULL
使用 ...函数的一个注意事项:
就是任何出现在 ...之后的参数列表必须明确的给出名称。而且不能够部分匹配或位置匹配
举例:
>paste('a','b',sep=':')
[1]'a:b'
不能位置匹配或部分匹配:
>paste('a','b',':')
[1]'a b :'
>paste('a','b',se=':')
[1]'a b :'
Scoping Rules of R作用域(scope,或译作有效范围)是名字(name)与实体(entity)的绑定(binding)保持有效的那部分计算机程序。
什么是作用域规则?
作用域规则(Scoping Rules)决定了一个函数的值如何与自变量绑定起来
在一个函数中,有两种类型的变量:
一种是函数的参数,
另一种存在于函数中的其他变量或符号,并非是函数的参数。问题在于你如何给这些符号赋值。
R用的是词法作用域(Lexical Scoping),也成静态作用域。
词法作用域又叫做静态作用域,采用词法作用域的变量叫词法变量。
词法作用域里,取变量的值时,会检查函数定义时的文本环境,捕捉函数定义时对该变量的绑定。词法变量有一个在编译时静态确定的作用域。词法变量的作用域可以是一个函数或一段代码,该变量在这段代码区域内可见(visibility);在这段区域以外该变量不可见(或无法访问)。
相反,采用动态作用域的变量叫做动态变量。只要程序正在执行定义了动态变量的代码段,那么在这段时间内,该变量一直存在;代码段执行结束,该变量便消失。
词法作用域的优点是能够简化运算,在统计分析时非常有效
通过下面这个函数,举个栗子:
f
这个函数是取x的平方然后加上y除以z的值,其中有两个明确的形式参数x和y,问题是z从哪儿来的?
因为没有在函数中定义z,所以z是一个自由变量。
语法作用域解决的问题就是怎样给一个类似z的自由变量赋值。
词法作用域的规则
词法作用域的规则,简而言之一句话:
在定义函数的环境中搜索自由变量的值。
那么问题来了……
什么是环境?
环境是符号-值对(symbol-value,如x = 3.14)的集合。每一个符号都有一个与之绑定的值。
每个环境都有一个上层环境(parent environment)。对于上层环境而言,他可能有很多子环境。唯一没有上层环境的环境叫做空环境。
你可以把你的全局环境(工作空间)看做一系列“符号-值对”,其中每个对象都有一个与之关联的对象。
因此,每一个包都有一个命名空间,就是一个环境,其中有很多符号、以及与符号关联的值。
如果你把一个函数和环境联系起来,就创建了一个闭包(function losure),这些闭包是R中各种各样神器操作的关键所在。
所以,如果要在函数里遇到自由变量,怎么办?
先你需要找的是:这个函数是在那个环境中被定义的。看看是否在全局环境中被定义,如果没有,就去它的父环境里面找,以此类推,往上找直到顶层环境。(在全局环境外定义函数也是有可能的)
如果所有环境中都找不到想要的符号的话,就会报错。
作用域规则的重要性
为什么作用域规则很重要?
通常在全局环境重定义一个函数,在工作区就能够找到自由变量的值。
但是重点是,在R中,你能够在函数里面再定义其他函数。
一般情况下,函数的返回值是数值、数据框、列表、等等,但也有可能是一个函数。
在这种情况下,全局环境就产生了变化,作用域原则的影响就表现出来了。
举例,定义一个“构造性”函数,即这个函数在构造另一个函数:
make.power
创建一个构造函数mmake.power(),赋值为n;其内部用来构造另一个函数pow(),赋值为x。这个函数的功能是,pow()对它的参数x求n次方,然后make.power()返回结果。
所以在函数pow()的内部,x是参数,n就是一个自由变量。
所以如果运行函数make.power,赋值给cube,那么cube就会返回一个函数:
> cube cubefunction(x){ x^n }
这时,cube就成了一个函数cube(),相当于pow()(实际上是没有pow的,他只是一个内部的代号),所以调用cube():
> cube(2)[1] 8
(2的立方是8)
Exploring a Function Closure
怎么才能查看一个函数所在的环境中都有啥?
调用ls函数
如上例:
> ls(environment(cute))[1] 'n' 'pow'
查看对象的赋值,使用get():
> get('n', environment(cute))[1] 3
这就是cute()怎么知道n=3的过程。参考资料:视频课程 R Programming by Johns Hopkins University:https://www.coursera.org/learn/r-programming/home/welcome
讲义 Programming for Data Science :https://bookdown.org/rdpeng/rprogdatascience/R
-------------------我是求关注的分界线--------------