R语言编程-Tidyverse 书籍-第一章（2）

此部分的内容，全部是对张敬信博士书籍的学习总结。
出发点：因为tidyverse简洁编码，使R代码更加易读。我就想系统再次学习下R，这样让自己写的R代码更加简洁。

关于“for 循环运行速度慢” 的说法，实际上已经过时了，现在的R、Matlab 等软件经过多年的
内部优化已经不慢了，之所以表现出来慢，是因为你没有注意两个关键点：
提前为保存循环结果分配存储空间；
为循环体中涉及的数据选择合适的数据结构。
apply 函数族和purrr 泛函式编程能够更加高效简洁地实现一般的for 循环、while 循环，但这
不代表for 循环、while 循环就没用了，它们可以在更高的层次使用(相对于在逐元素级别使用)### 时间段数据
interval() ##计算两个时间点的时间间隔，返回时间段数据

image.png

t %within% gap # 判断t是否属于该时间段

考虑长时间段应该使用period

image.png

日期时间的计算

时间点+时间段生成一个新的时间点

image.png

月份加运算： %m+%, 表示日期按月份增加的

image.png

时间序列

ts()是base R生成时间序列的函数，基本格式
ts(data, start = 1, end, frequency=1,...) ## frequency=1是年，4位季节，12是月， 52是周，

fpp3生态新的新的tsibble包提供了更整洁的时间序列数据结构

as_tsibble()将数据框转为时间序列对象tsibble,只需要指定时间索引和分组索引

library(fpp3)
stocks = as_tsibble(stocks, key = stock, index = Data)

1.5正则表达式

正则表达式，是根据字符串规律按一定法则，简洁表达一组字符串的表达式。
正则表达式包括：只能匹配自身的普通字符(如英文字母、数字、标点等) 和被转义了的特殊字符
(称为‘‘元字符”)

image.png

需要创建多行模型的正则表达式

image.png

特殊字符类与反义

image.png

POSIX 字符类

image.png

运算优先级

圆括号括起来的表达式最优先，其次是表示重复次数的操作(即* + { }) ；再次是连接运算(即几
个字符放在一起，如abc) ；最后是或者运算(|)
另外，正则表达式还有若干高级用法，常用的有零宽断言和分组捕获，将在下面实例中进行演示。

例子

image.png

(零宽断言) 匹配两个标志之间的内容

适合想要匹配的内容没有规律性，但该内容位于两个有规律性的标志之间，标志也可以是开始和
结束。
通常想要匹配的内容不包含两边的‘‘标志’’，这就需要用零宽断言。简单来说，就是一种引导语法
告诉既要匹配到‘‘标志’’，但又不包含‘‘标志’’。左边标志的引导语法是(?<= 标志)，右边标志的引导
语法是(?= 标志)，而真正要匹配的内容放在它们中间。

image.png

分组捕获

正则表达式中可以用圆括号来分组，作用是

确定优先规则
组成一个整体
拆分出整个匹配中的部分内容(称为捕获)
捕获内容供后续引用或者替换。
最后，再推荐一个来自Github 可以推断正则表达式的包inferregex，用函数infer_regex() 可根
据字符串推断正则表达式。

1.6 控制结构

编程中的控制结构，是指分支结构和循环结构。

分支结构

if (条件){

} else if {

} else {

}

另一种对分支写法switch()函数

x = "b"
v = switch(x, "a"="apple", "b"="banana", "c"="cherry")
v
## [1] "banana"

ifelse(x<0, -x, x) ### |x|的简单表达方式

image.png

1.6.2 循环结构

循环，用来处理对多个同类输入做相同事情(即迭代) ，如对向量的每个元素做相同操作，对数据
框不同列做相同操作、对不同数据集做相同操。
R中有三种方式实现循环：

for, while, repeat循环
apply函数家族
purrr泛函式编程
跳出循环：
用关键字next 跳出本次循环，进入下次循环
用关键词break 跳出循环

说明

关于“for 循环运行速度慢” 的说法，实际上已经过时了，现在的R、Matlab 等软件经过多年的
内部优化已经不慢了，之所以表现出来慢，是因为你没有注意两个关键点：

提前为保存循环结果分配存储空间；
为循环体中涉及的数据选择合适的数据结构。

apply 函数族和purrr 泛函式编程能够更加高效简洁地实现一般的for 循环、while 循环，但这不代表for 循环、while 循环就没用了，它们可以在更高的层次使用(相对于在逐元素级别使用)。

举例子for

df = as_tibble(iris[,1:4]) ### 给出数据
output = vector("double", 4)#### 准备好输出的空间
for (i in 1:4) {   ### 迭代
  output[i] = mean(df[[i]]) ### 循环体
  
}

循环模式

根据数值索引：for(i in seq_along(xs)), 迭代中使用x[i]. 最常用

for (i in seq_along(x)) {
name = names(x)[i]
value = x[i]
}

根据元素值：for(x in xs), 迭代中使用x.
根据名字：for(nm in names(xs)), 迭代中使用x[nm].

(ii) 将每次循环得到的结果合并为一个整体对象

不要‘每循环一次，就做一次拼接’’
先将结果保存为列表，等循环结束再将列表unlist() 或purrr::flatten_dbl()成一个向量。

output = list() # output = NULL 也行
# output = vector("list", 3)
for(i in 1:3) {
    output[[i]] = c(i, i^2)
}

另外两种类似的情形是：

生成一个长字符串。不是用str_c() 函数将上一次的迭代结果拼接到一起，而是将结果保存为字符向量，再用函数str_c(output, collapse= " ") 合并为一个单独的字符串；
生成一个大的数据框。不是依次用rbind() 函数合并每次迭代的结果，而是将结果保存为列表，再用dplyr::bind_rows(output) 函数合并成一个单独的数据框，或者直接一步到位用purrr::map_dfr()。

while用于迭代数未知的情况

while (condition) {
# 循环体
}

repeat()循环

注意，repeat 循环至少会执行一次。

repeat{
# 循环体
if(退出条件) break
}

apply函数族

注意：建议弃用apply 函数族，直接用purrr::map 系列。
基本格式：
apply(x, MARGIN, FUN, ...)

x：为数据对象(矩阵、多维数组、数据框) ；
MARGIN：1 表示按行，2 表示按列；
FUN：表示要作用的函数。

tapply()

该函数可以按照因子分组计算分组统计：tapply(var1, var2, FUN)

lapply()

lapply(x, FUN, ...)

x：为数据对象(列表、数据框、向量) ；
FUN：表示要作用的函数。

sapply()与lappy类似，但是可以返回矩阵形式的结果

sapply(x, FUN, simplify = TRUE, ...)

purrr 泛函式编程

相对于apply 族，purrr 泛函式编程提供了更多的一致性、规范性和便利性，更容易记住和使用。
需要知道：循环迭代，泛函式编程（函数包含其他函数作为参数）：
map(x, FUN)

常见的返回结果类型

map_chr(.x, .f): 返回字符型向量
map_lgl(.x, .f): 返回逻辑型向量
map_dbl(.x, .f): 返回实数型向量
map_int(.x, .f): 返回整数型向量
map_dfr(.x, .f): 返回数据框列表，再bind_rows 按行合并为一个数据框
map_dfc(.x, .f): 返回数据框列表，再bind_cols 按列合并为一个数据框

purrr风格的公式（使用匿名函数）

一元函数：序列参数是.x 比如，f(x) = x² + 1, 其purrr 风格公式就写为：~ .x ^ 2 + 1
二元函数：序列参数是.x, .y 比如，f(x, y) = x2 −3y, 其purrr 风格公式就写为：~ .x ^ 2 - 3* .y
多元函数：序列参数是..1, ..2, ..3 等比如，f(x, y, z) = ln(x + y + z), 其purrr 风格公式就写为：~ log(..1 + ..2 + ..3)
所有序列参数，可以用... 代替，比如，sum(...) 同sum(..1, ..2, ..3)

map(): 依次应用到一个序列的每个元素上

map(.x, .f, ...)
map_*(.x, .f, ...)

.x 为序列
.f 为要应用的一元函数，或purrr 风格公式（匿名函数）
... 可设置函数.f 的其他参数

map() 返回结果列表，基本同lapply()。例如，计算前文df，每列的均值，即依次将mean() 函数，应用到第1 列，第2 列，. . . ；并控制返回结果为double 向量：

map(df, mean)
或者
map_dbl(df, mean)  # better

另外，mean() 函数还有其他参数，如na.rm，若上述计算过程需要设置忽略缺失值，只需：

map_dbl(df, mean, na.rm = TRUE) # 数据不含NA, 故结果同上(略)
map_dbl(df, ~mean(.x, na.rm = TRUE)) # purrr 风格公式写法

有了map() 函数，对于自定义只接受标量的一元函数，比如f(x), 想要让它支持接受向量作为输
入，根本不需要改造原函数，只需：

map_*(xs, f) # xs 表示若干个x 构成的序列

二元函数

map2(.x, .y .f, ...)
map2_*(.x, .y, .f, ...)

.x 为序列1
.y 为序列2
.f 为要应用的二元函数，或purrr 风格公式(匿名函数)
... 可设置函数.f 的其他参数

map2_dbl(height, weight, ~ .y / .x^2)

类似的：
map2_*(xs, ys, f) # xs, ys 分别表示若干个x, y 构成的序列

pmap应用多元函数到多个序列的每组元素，可以实现对数据框逐行迭代

pmap(.l, .f, ...)
pmap_*(.l, .f, ...)

.l 为数据框，
.f 为要应用的多元函数
... 可设置函数.f 的其他参数

pmap_*() 提供了一种行化操作数据框的办法。
按行求均值

pmap_dbl(df, ~ mean(c(...)))

其他的purrr函数

imap_(.x, .f): 带索引的map_() 系列，迭代的时候既迭代元素，又迭代元素的索引（位置或名字），purrr 风格公式中用.y 表示索引；
invoke_map_*(.f, .x, ...): 将多个函数依次应用到序列，相当于依次执行：.f[[1]](.x,
...), .f[[2]](.x, ...), . . . . . .
walk 系列：walk(.l, .f, ...), walk2(.l, .f, ...), pwalk(.l, .f, ...) 将函数依次作用到序列上，不返回结果。有些批量操作是没有或不关心返回结果的，例如批量保存数据到文件、批量绘图并保存到文件等。
modify 系列：modify(.x, .f, ...), modify2(.x, .y, .f, ...), modify_depth(.x,
.depth, .f, ...) 将函数.f 依次作用到序列.x，并返回修改后的序列.x
reduce(): 可先对序列前两个元素应用函数，再对结果与第3 个元素应用函数，再对结果与第4 个元素应用函数，. . . . . . 直到所有的元都被“reduced”
*reduce(1:100, sum) 是对1:100 求累加和；
*reduce() 可用于批量数据连接
accumulate(): 与reduce() 作用方式相同，不同之处是：reduce() 只返回最终的结果，而accumulate() 会返回所有中间结果。

自定义函数

函数名= function(输入1, ..., 输入n) {
函数体
return(返回值) ### 非必须，默认最后一行的值为返回值
}

第一步：分析输入和输出，设计函数外形

输入有几个，分别是什么，适合用什么数据类型存放；
输出有几个，分别是什么，适合用什么数据类型存放。

第二步，梳理功能的实现过程

第三步，将第二步的代码封装到函数体

调用函数：source("*.R", encoding="UTF-8")

多个数值时，需要向量化改进

结合for和 if两个函数
借助apply 族或map 系列函数：

scores = c(35, 67, 100)
map_chr(scores, Score_Conv)

处理多个返回值，将多个返回值放入一个列表（或数据框），再返回一个列表。

自定义时，增加默认参数值（需要if, else函数配合），也可用switch（）函数

“...”参数，可用任意接收多个对象，并作为一个列表传递它们

R还有非常多的基本函数，可用使用

具有多个矩阵函数

nrow(A) # 返回矩阵A 的行数
ncol(A) # 返回矩阵A 的列数
dim(A) # 返回矩阵x 的维数(几行× 几列)
colSums(A) # 对矩阵A 的各列求和
rowSums(A) # 对矩阵A 的各行求和
colMeans(A) # 对矩阵A 的各列求均值
rowMeans(A) # 对矩阵A 的各行求均值
t(A) # 对矩阵A 转置
det(A) # 计算方阵A 的行列式
crossprod(A, B) # 计算矩阵A 与B 的内积, t(A) %*% B
outer(A, B) # 计算矩阵的外积(叉积) , A %o% B
diag(x) # 取矩阵对角线元素，或根据向量生成对角矩阵
diag(n) # 生成n 阶单位矩阵
solve(A) # 求逆矩阵(要求矩阵可逆)
solve(A, B) # 解线性方程组AX=B
ginv(A) # 求矩阵A 的广义逆(Moore-Penrose 逆)
eigen() # 返回矩阵的特征值与特征向量(列)
kronecker(A, B) # 计算矩阵A 与B 的Kronecker 积
svd(A) # 对矩阵A 做奇异值分解，A=UDV'
qr(A) # 对矩阵A 做QR 分解: A=QR, Q 为酉矩阵, R 为阶梯形矩阵
chol(A) # 对正定矩阵A 做Choleski 分解, A=P'P，P 为上三角矩阵
A[upper.tri(A)] # 提取矩阵A 的上三角矩阵
A[lower.tri(A)] # 提取矩阵A 的下三角矩阵

同样有很多的概率函数

factorial(n) # 计算n 的阶乘
choose(n, k) # 计算组合数
gamma(x) # Gamma 函数
beta(a, b) # beta 函数
combn(x, m) # 生成x 中任取m 个元的所有组合, x 为向量或整数n

R 中，常用的概率函数有密度函数、分布函数、分位数函数、生成随机数函数，其写法为：
d = 密度函数(density)
p = 分布函数(distribution)
q = 分位数函数(quantile)
r = 生成随机数(random)
上述4 个字母+ 分布缩写，就构成通常的概率函数，例如：

随机抽样

sample() 函数，用来从向量中重复或非重复地随机抽样，基本格式为：
sample(x, size, replace = FALSE, prob)

x：向量或整数；
size：设置抽样次数；
replace：设置是否重复抽样；
prob：设定抽样权重

时间序列函数lag()和diff() 函数

states::lag()
lag(x, k, ...)

x：为数值向量/矩阵或一元/多元时间序列；
k：为滞后阶数，默认为1.

diff() 函数，用来计算时间序列的差分，基本格式为：
diff(x, lag = 1, difference = 1, ...)

x：为数值向量/矩阵；
lag：为滞后阶数，默认为1;
difference：为差分阶数，默认为1.

R语言编程-Tidyverse 书籍-第一章（2）

考虑长时间段应该使用period

日期时间的计算

月份加运算： %m+%, 表示日期按月份增加的

时间序列

fpp3生态新的 新的tsibble包提供了更整洁的时间序列数据结构

1.5正则表达式

特殊字符类与反义

POSIX 字符类

运算优先级

例子

(零宽断言) 匹配两个标志之间的内容

分组捕获

1.6 控制结构

分支结构

1.6.2 循环结构

说明

举例子for

循环模式

(ii) 将每次循环得到的结果合并为一个整体对象

while用于迭代数未知的情况

repeat()循环

apply函数族

tapply()

lapply()

sapply()与lappy类似，但是可以返回矩阵形式的结果

purrr 泛函式编程

常见的返回结果类型

purrr风格的公式（使用匿名函数）

map(): 依次应用到一个序列的每个元素上

二元函数

pmap应用多元函数到多个序列的每组元素，可以实现对数据框逐行迭代

其他的purrr函数

自定义函数

第一步：分析输入和输出，设计函数外形

第二步，梳理功能的实现过程

第三步，将第二步的代码封装到函数体

调用函数：source("*.R", encoding="UTF-8")

多个数值时，需要向量化改进

处理多个返回值，将多个返回值放入一个列表（或数据框），再返回一个列表。

自定义时，增加默认参数值（需要if, else函数配合），也可用switch（）函数

“...”参数，可用任意接收多个对象，并作为一个列表传递它们

R还有非常多的基本函数，可用使用

同样有很多的概率函数

随机抽样

时间序列函数lag()和diff() 函数

你可能感兴趣的:(R语言编程-Tidyverse 书籍-第一章（2）)

fpp3生态新的新的tsibble包提供了更整洁的时间序列数据结构