Funkcje niestandardowe

Lekcja 14 z 14 w kursie Manipulowanie danymi w R w Coddy.

Własne funkcje w R to potężne narzędzia, które pozwalają tworzyć kod wielokrotnego użytku i wykonywać złożone przekształcenia danych. Umożliwiają zamknięcie serii operacji w jednej jednostce, którą można wywołać. Zobaczmy, jak tworzyć i używać własnych funkcji do zadań związanych z przetwarzaniem danych.

Podstawowa struktura własnej funkcji

Podstawowa składnia tworzenia własnej funkcji w R wygląda następująco:

function_name <- function(arg1, arg2, ...) {
  # Ciało funkcji
  # Operacje z użyciem arg1, arg2 itd.
  return(result)
}

Tworzenie prostej własnej funkcji

Utwórzmy prostą funkcję, która oblicza procent brakujących wartości w wektorze:

percent_missing <- function(x) {
  sum(is.na(x)) / length(x) * 100
}

# Użycie
data <- c(1, 2, NA, 4, NA, 6)
percent_missing(data)  # Zwraca: 33.33333

Funkcje z wieloma argumentami

Własne funkcje mogą przyjmować wiele argumentów, co pozwala na bardziej elastyczne operacje:

scale_column <- function(df, column_name, min_val = 0, max_val = 1) {
  df[[column_name]] <- (df[[column_name]] - min(df[[column_name]], na.rm = TRUE)) / 
                       (max(df[[column_name]], na.rm = TRUE) - min(df[[column_name]], na.rm = TRUE))
  df[[column_name]] <- df[[column_name]] * (max_val - min_val) + min_val
  return(df)
}

# Użycie
df <- data.frame(x = 1:10, y = 11:20)
scaled_df <- scale_column(df, "x", 0, 100)

Zwracanie wielu wartości

Funkcje mogą zwracać wiele wartości za pomocą listy:

summarize_numeric <- function(x) {
  list(
    mean = mean(x, na.rm = TRUE),
    median = median(x, na.rm = TRUE),
    sd = sd(x, na.rm = TRUE)
  )
}

# Użycie
numbers <- c(1, 2, 3, 4, 5)
summary_stats <- summarize_numeric(numbers)

Używanie własnych funkcji z dplyr

Własne funkcje mogą być szczególnie przydatne w połączeniu z dplyr do przetwarzania danych:

library(dplyr)

categorize_age <- function(age) {
  case_when(
    age < 18 ~ "Child",
    age < 65 ~ "Adult",
    TRUE ~ "Senior"
  )
}

# Użycie z dplyr
df <- data.frame(name = c("Alice", "Bob", "Charlie"), age = c(25, 72, 16))
df %>%
  mutate(age_category = categorize_age(age))

Sprawdź się

Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.

Sprawdź się

Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.

Sprawdź się

Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.

Wyzwanie

Średni

Utwórz niestandardową funkcję o nazwie mean_score, która oblicza średni wynik każdego ucznia na podstawie zbioru danych z wynikami egzaminów uczniów.

Aby obliczyć średni wynik w każdym wierszu, użyjemy funkcji rowwise(), a następnie użyjemy ungroup(), aby przywrócić wszystko do poprzedniego stanu. Sprawdź podany kod.

Wykonaj następujące czynności:

Utwórz nową kolumnę o nazwie student_mean, która będzie zawierać średni wynik.
Utwórz nową kolumnę o nazwie is_above_mean, która będzie zawierać TRUE lub FALSE, informując, czy wynik ucznia jest powyżej, czy poniżej średniej.
Utwórz kolumnę o nazwie rank, która będzie zawierać miejsce każdego ucznia względem pozostałych na podstawie jego średniego wyniku. Na przykład 1 oznacza, że uczeń ma najlepszy wynik, 2 oznacza, że uczeń ma drugi najlepszy wynik itd.
- Aby znaleźć miejsce w rankingu, użyj order(): order(order(mean_col, decreasing = TRUE))

Spróbuj swoich sił

# Wczytaj dane wejściowe
con <- file("stdin", "r")
input_data <- readLines(con)
close(con)

# Przekształć dane wejściowe w ramkę danych
data <- read.csv(text = input_data, header = TRUE, stringsAsFactors = FALSE)

# Zdefiniuj funkcję mean_score
mean_score <- function(data) {
  # TODO: Napisz tutaj swój kod
  # oblicz średnią ze wszystkich przedmiotów

  return(result)
}

# TODOL Napisz tutaj swój kod
# Utwórz nową kolumnę o nazwie student_mean, zawierającą średni wynik.
# Utwórz nową kolumnę o nazwie is_above_mean, zawierającą TRUE lub FALSE w zależności od tego, czy wynik ucznia jest powyżej czy poniżej średniej.
# Utwórz kolumnę o nazwie rank, zawierającą pozycję każdego ucznia względem pozostałych na podstawie ich średnich wyników. Na przykład 1 oznacza ucznia z najlepszym wynikiem, 2 oznacza ucznia z drugim najlepszym wynikiem itd.

# Wyświetl wynik
print(data)

Wszystkie lekcje w sekcji Manipulowanie danymi w R

1Podstawy danych

Poznawanie struktur danych Indeksowanie w DataFrame Wybieranie podzbioru danych Konwersja typów danych Operator potoku w R

4Zaawansowana manipulacja danymi

Manipulowanie ciągami znaków Obsługa daty i czasuFunkcje niestandardowe

2Przekształcanie danych

Wprowadzenie do dplyr Agregowanie danych za pomocą dplyr Łączenie danych za pomocą dplyr

3Przekształcanie danych

Format szeroki na długi Format długi na szeroki Obsługa brakujących danych

Poćwicz samodzielnie: Kompilator R online