R学习往期回顾：
R学习：R for Data Science 循环-迭代（for while)）
R学习：R for Data Science 向量（1）
R学习：R for Data Science 向量（2）
R学习 从Tidyverse学起，入门R语言 dplyr合并数据
R学习 流程控制 if,else,ifelse
R学习 从Tidyverse学起，入门R语言（tidyr和stringr）
R学习 从Tidyverse学起，入门R语言（tibble，readr和dplyr）
R学习：字符串
R学习：环境和函数
R学习：数据框的基本操作
R学习：R for Data Science（五）
R学习：R for Data Science（四）
R学习：R for Data Science（三）
R学习：R for Data Science（二）
R学习：R for Data Science（一）
for循环与函数式编程
for 循环在 R 中不像在其他语言中那么重要，因为 R 是一门函数式编程语言。这意味着可以先将 for 循环包装在函数中，然后再调用这个函数，而不是直接使用 for 循环
-
library(tidyverse)
-
df <- tibble(
-
a = rnorm(10),
-
b = rnorm(10),
-
c = rnorm(10),
-
d = rnorm(10)
-
)
假设想要计算每列的均值。你可以使用 for 循环来完成这个任务
-
output <- vector("double", length(df))
-
for (i in seq_along(df)) {
-
output[[i]] <- mean(df[[i]])
-
}
-
output
将这段代码提取出来，转换成一个函数：
-
col_mean <- function(df) {
-
output <- vector("double", length(df))
-
for (i in seq_along(df)) {
-
output[i] <- mean(df[[i]])
-
}
-
output
-
}
还可以算每列的中位数和标准差
-
col_median <- function(df) {
-
output <- vector("double", length(df))
-
for (i in seq_along(df)) {
-
output[i] <- median(df[[i]])
-
}
-
output
-
}
-
col_sd <- function(df) {
-
output <- vector("double", length(df))
-
for (i in seq_along(df)) {
-
output[i] <- sd(df[[i]])
-
}
-
output
-
}
通过添加支持函数应用到每列的一个参数，我们可以使用同一个函数完成与 col_mean()、col_median() 和 col_sd() 函数相同的操作：
-
col_summary <- function(df, fun) {
-
out <- vector("double", length(df))
-
for (i in seq_along(df)) {
-
out[i] <- fun(df[[i]])
-
}
-
out
-
}
-
col_summary(df, median)
-
col_summary(df, mean)
将函数作为参数传入另一个函数的这种做法是一种非常强大的功能，它是促使 R 成为函数式编程语言的因素之一。
我们将学习和使用 purrr 包，它提供的函数可以替代很多常见的 for 循环应用。 R 基础包中的应用函数族（apply()、 lapply()、 tapply() 等）也可以完成类似的任务，但 purrr 包中的函数更一致，也更易于学习。
使用 purrr 函数代替 for 循环的目的是将常见的列表处理问题分解为独立的几个部分。
• 对于列表中的单个元素，你能找到解决问题的方法吗？如果找到了解决方法，那么你就可以使用 purrr 将这种方法扩展到列表中的所有元素。
• 如果你面临的是一个非常复杂的问题，那么如何将其分解为几个可行的子问题，然后循序渐进地解决，直至完成最终的解决方案？使用 purrr，你可以解决很多子问题，然后再通过管道操作将这些问题的结果组合起来。
映射函数
先对向量进行循环、然后对其每个元素进行一番处理，最后保存结果。这种模式太普遍了，因此 purrr 包提供了一个函数族来替你完成这种操作。每种类型的输出都有一个相应的函数：
• map() 用于输出列表；
• map_lgl() 用于输出逻辑型向量；
• map_int() 用于输出整型向量；
• map_dbl() 用于输出双精度型向量；
• map_chr() 用于输出字符型向量。
每个函数都使用一个向量作为输入，并对向量的每个元素应用一个函数，然后返回和输入向量同样长度（同样名称）的一个新向量。向量的类型由映射函数的后缀决定。
我们可以使用这些函数来执行与最后一个 for 循环相同的操作。因为那些摘要函数返回的是双精度数，所以我们需要使用 map_dbl() 函数：
-
map_dbl(df, median)
-
map_dbl(df, mean)
map_*() 和 col_summary() 具有以下几点区别
• 所有 purrr 函数都是用 C 实现的。这使得它们的速度非常快，但牺牲了一些可读性
• 第二个参数（即 .f，要应用的函数）可以是一个公式、一个字符向量或一个整型向量
• map_*() 使用向 .f 传递一些附加参数，供其在每次调用时使用
• 映射函数还可以保留名称
快捷方式
对于参数 .f，你可以使用几种快捷方式来减少输入量。假设你想对某个数据集中的每个分组都拟合一个线性模型。以下这个简单示例将 mtcars 数据集拆分成 3 个部分（按照气缸的值分类），并对每个部分拟合一个线性模型：
-
models <- mtcars %>%
-
split(.$cyl) %>%
-
map(function(df) lm(mpg ~ wt, data = df))
因为 R 中创建匿名函数的语法比较繁琐，所以 purrr 提供了一种更方便的快捷方式——单侧公式：
-
models <- mtcars %>%
-
split(.$cyl) %>%
-
map(~lm(mpg ~ wt, data = .))
我们在以上示例中使用了 . 作为一个代词：它表示当前列表元素（与 for 循环中用 i 表示当前索引是一样的）
需要提取出 R平方 这样的摘要统计量
需要先运行 summary() 函数，然后提取出结果中的 。我们可以使用匿名函数的快捷方式来完成这个操作：
-
models %>%
-
map(summary) %>%
-
map_dbl(~.$)
因为提取命名成分的这种操作非常普遍，所以 purrr 提供了一种更为简洁的快捷方式：使用字符串
-
models %>%
-
map(summary) %>%
-
map_dbl("")
后面需要有apply（）家族函数的基础知识，为了循序渐进，后面我们将会介绍apply家族，下回见。
单基因泛癌分析链接
公众号“生信小课堂”
TCGA数据分析课程：生物信息学教学