R Language
파이프 운영자 (%> % 및 기타)

소개

통사론

• lhs %> % rhs # rhs(lhs) 대한 파이프 구문

• rhs(lhs, a = 1) 대한 lhs %> % rhs (a = 1) # 파이프 구문

• lhs %> rhs (a = 1, b =.) # rhs(a = 1, b = lhs) 파이프 구문 rhs(a = 1, b = lhs)

• lhs % <> % rhs # lhs <- rhs(lhs) 대한 파이프 구문 lhs <- rhs(lhs)

• lhs % $ % rhs (a) #와 파이프 구문 with(lhs, rhs(lhs$a))

• lhs % T> % rhs # { rhs(lhs); lhs } 대한 파이프 구문 { rhs(lhs); lhs }

매개 변수

비고

기본 사용 및 연결

파이프 연산자 %>% 는 인수를 함수에 삽입하는 데 사용됩니다. 이 언어는 언어의 기본 기능이 아니며 magrittr 과 같은 패키지를 제공 한 후에 만 ​​사용할 수 있습니다. 파이프 연산자는 파이프의 왼쪽 (LHS)을 취해 파이프의 오른쪽 (RHS)에있는 함수의 첫 번째 인수로 사용합니다. 예 :

library(magrittr)

1:10 %>% mean
# [1] 5.5

# is equivalent to
mean(1:10)
# [1] 5.5

파이프를 사용하여 일련의 함수 호출을 대체 할 수 있습니다. 여러 개의 파이프를 사용하면 시퀀스를 내부에서 외부로 이동하는 대신 왼쪽에서 오른쪽으로 읽고 쓸 수 있습니다. 예를 들어 years 을 하나의 요소로 정의했지만 숫자로 변환하려고한다고 가정 해보십시오. 가능한 정보 손실을 방지하기 위해 먼저 문자로 변환 한 다음 숫자로 변환합니다.

years <- factor(2008:2012)

# nesting
as.numeric(as.character(years))

# piping
years %>% as.character %>% as.numeric

RHS (Right Hand Side)의 첫 번째 인수로 LHS (왼손잡이 측)를 사용하지 않으려는 경우 인수의 이름 지정이나 사용과 같은 해결 방법이 있습니다 . 파이프 된 입력이 어디로 가는지 나타냅니다.

# example with grepl
# its syntax:
# grepl(pattern, x, ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE)

# note that the `substring` result is the *2nd* argument of grepl
grepl("Wo", substring("Hello World", 7, 11))

# piping while naming other arguments
"Hello World" %>% substring(7, 11) %>% grepl(pattern = "Wo")

# piping with .
"Hello World" %>% substring(7, 11) %>% grepl("Wo", .)

# piping with . and curly braces
"Hello World" %>% substring(7, 11) %>% { c(paste('Hi', .)) }
#[1] "Hi World"

#using LHS multiple times in argument with curly braces and .
"Hello World" %>% substring(7, 11) %>% { c(paste(. ,'Hi', .)) }
#[1] "World Hi World"

기능 시퀀스

반복적으로 사용하는 일련의 단계가 주어지면 함수에 저장하는 것이 종종 편리합니다. 파이프는 다음과 같은 점으로 시퀀스를 시작하여 읽기 가능한 형식으로 이러한 함수를 저장할 수 있습니다.

. %>% RHS

예를 들어, 요소 날짜가 있고 연도를 추출하려고한다고 가정합니다.

library(magrittr) # needed to include the pipe operators
library(lubridate)
read_year <- . %>% as.character %>% as.Date %>% year

# Creating a dataset
df <- data.frame(now = "2015-11-11", before = "2012-01-01")
#          now     before
# 1 2015-11-11 2012-01-01

# Example 1: applying `read_year` to a single character-vector
df$now %>% read_year
# [1] 2015

# Example 2: applying `read_year` to all columns of `df`
df %>% lapply(read_year) %>% as.data.frame  # implicit `lapply(df, read_year)
#    now before
# 1 2015   2012

# Example 3: same as above using `mutate_all`
library(dplyr)
df %>% mutate_all(funs(read_year))
# if an older version of dplyr use `mutate_each`
#    now before
# 1 2015   2012

함수의 이름을 입력하거나 functions 사용하여 functions 의 구성을 검토 할 수 있습니다.

read_year
# Functional sequence with the following components:
# 
#  1. as.character(.)
#  2. as.Date(.)
#  3. year(.)
# 
# Use 'functions' to extract the individual functions. 

시퀀스의 위치에 따라 각 함수에 액세스 할 수도 있습니다.

read_year[[2]]
# function (.) 
# as.Date(.)

일반적으로이 방법은 선명도가 속도보다 중요 할 때 유용 할 수 있습니다.

% <> % 할당

magrittr 패키지에는 먼저 하나 이상의 rhs 표현식에 파이핑하여 값을 업데이트 한 다음 결과를 할당하여 값을 업데이트하는 복합 할당 infix-operator %<>% 되어 있습니다. 이렇게하면 오브젝트 이름을 두 번 입력 할 필요가 없습니다 (할당 연산자 <- 양측에 한 번씩). %<>% 는 체인의 첫 번째 중온 연산자 여야합니다.

library(magrittr)
library(dplyr)

df <- mtcars

글쓰기 대신

df <- df %>% select(1:3) %>% filter(mpg > 20, cyl == 6)

또는

df %>% select(1:3) %>% filter(mpg > 20, cyl == 6) -> df

복합 대입 연산자는 파이프를 연결하고 df 재 할당합니다.

df %<>% select(1:3) %>% filter(mpg > 20, cyl == 6)

% $ %로 내용 노출

박람회 파이프 연산자 %$% 는 열 이름을 왼쪽 객체의 R 기호로 오른쪽 표현식에 표시합니다. 이 연산자는 data 인수가 없거나 (예를 들어, lm 과 같은) 함수로 전달할 때 유용하며 data.frame 및 열 이름을 인수로 사용합니다 (대부분의 기본 dplyr 함수).

박람회 파이프 연산자 %$% 사용하면 열 이름을 참조해야 할 때 파이프 라인이 끊어지는 것을 방지 할 수 있습니다. 예를 들어 cor.test 을 필터링 한 다음 cor.test 하여 두 열에 대해 상관 관계 테스트를 실행한다고 가정 해 cor.test .

library(magrittr)
library(dplyr)
mtcars %>%
  filter(wt > 2) %$%
  cor.test(hp, mpg)

#> 
#>  Pearson's product-moment correlation
#> 
#> data:  hp and mpg
#> t = -5.9546, df = 26, p-value = 2.768e-06
#> alternative hypothesis: true correlation is not equal to 0
#> 95 percent confidence interval:
#>  -0.8825498 -0.5393217
#> sample estimates:
#>        cor 
#> -0.7595673

여기서 표준 %>% 파이프는 data.frame을 filter() 로 전달하고, %$% 파이프는 열 이름을 cor.test() 로 노출합니다.

박람회 파이프는 base R with() 함수의 파이프 가능 버전처럼 작동하며 동일한 왼쪽 객체가 입력으로 허용됩니다.

dplyr 및 ggplot2와 함께 파이프 사용

%>% 연산자를 사용하여 dplyr 출력을 ggplot으로 파이프 할 수도 있습니다. 이로써 쉽게 사용자 정의 할 수있는 통합 된 탐색 데이터 분석 (EDA) 파이프 라인이 생성됩니다. 이 방법은 ggplot에서 내부적으로 집계를 수행하는 것보다 빠르며 불필요한 중간 변수를 피할 수 있다는 이점이 있습니다.

library(dplyr)
library(ggplot)


diamonds %>% 
    filter(depth > 60) %>% 
    group_by(cut) %>% 
    summarize(mean_price = mean(price)) %>% 
    ggplot(aes(x = cut, y = mean_price)) + 
        geom_bar(stat = "identity")

% T> %로 부작용 생성하기

R의 일부 기능은 부작용 (예 : 저장, 인쇄, 플로팅 등)을 일으키며 항상 의미있는 또는 원하는 값을 반환하지는 않습니다.

%T>% (tee 연산자)를 사용하면 원래의 lhs 값을 그대로 유지하면서 값을 부작용 생성 함수로 전달할 수 있습니다. 즉, tee 연산자는 %>% 처럼 작동합니다. 단, 반환 값은 rhs 함수 / 표현식의 결과가 아닌 lhs 자체입니다.

예 : 객체를 작성, 파이프, 작성 및 리턴합니다. 이 예제에서 %T>% 대신 %>% 를 사용하면 변수 all_letters 에 정렬 된 객체의 값보다는 NULL 이 포함 NULL .

all_letters <- c(letters, LETTERS) %>%
    sort %T>% 
    write.csv(file = "all_letters.csv")

read.csv("all_letters.csv") %>% head()
#   x
# 1 a
# 2 A
# 3 b
# 4 B
# 5 c
# 6 C

경고 : 이름이없는 객체를 save() 로 파이프하면 이름이 지정된 객체가 생성됩니다 . load() 를 사용하여 작업 공간에 load() 할 때. 그러나 도우미 함수를 사용하여 회피 할 수 있습니다 (익명 함수로 인라인으로 작성할 수도 있음).

all_letters <- c(letters, LETTERS) %>%
    sort %T>% 
    save(file = "all_letters.RData")

load("all_letters.RData", e <- new.env())

get("all_letters", envir = e)
# Error in get("all_letters", envir = e) : object 'all_letters' not found

get(".", envir = e)
#  [1] "a" "A" "b" "B" "c" "C" "d" "D" "e" "E" "f" "F" "g" "G" "h" "H" "i" "I" "j" "J" 
# [21] "k" "K" "l" "L" "m" "M" "n" "N" "o" "O" "p" "P" "q" "Q" "r" "R" "s" "S" "t" "T" 
# [41] "u" "U" "v" "V" "w" "W" "x" "X" "y" "Y" "z" "Z"

# Work-around
save2 <- function(. = ., name, file = stop("'file' must be specified")) {
  assign(name, .)
  call_save <- call("save", ... = name, file = file)
  eval(call_save)
}

all_letters <- c(letters, LETTERS) %>%
    sort %T>%
    save2("all_letters", "all_letters.RData")