用R處理一組數據的三種方式

USArrests是R附帶的一個數據集，如今咱們須要建立一個factor向量urbancat，若是UrbanPop列的某個值在中位數之上，就把urbancat對應位置的值設爲1，不然設爲0。

 

這種數據處理任務實在太簡單了，一個for循環就能搞定。首先，咱們計算一下UrbanPop的中位數：

urbanPop.median <- median(USArrests$UrbanPop)

而後，用rep函數初始化一個等長的urbancat向量：

urbancat <- rep(x = 0, times = length(USArrests$UrbanPop))

接着，用for循環爲urbancat設置對應位置的值：

for (i in 1:length(urbancat)) {
  if (USArrests$UrbanPop[i] > urbanPop.median) {
      urbancat[i] <- 1
  }
}

以上代碼對於擁有命令式編程背景的同窗來講是很是親切天然的。值的提醒的是，若是urbancat的長度有可能爲0，那麼使用1:length(urbancat)可能會有非預期結果（你能夠試一下），這個時候咱們建議把1:length(urbancat)換成seq_along(urbancat)。

 

對於擁有函數式編程背景的同窗，可使用purrr的map函數：

library(purrr)
urbancat <- map_dbl(USArrests$UrbanPop, function(x) if (x > urbanPop.median) 1 else 0)

map_dbl會在應用你傳入的匿名函數以後以double向量的方式返回結果。若是你喜歡用formula，也能夠把匿名函數換成formula：

urbancat <- map_dbl(USArrests$UrbanPop, ~ if (.x > urbanPop.median) 1 else 0)

這裏的.x表示map_dbl傳給你的UrbanPop列的某個值。

 

在接觸R以前，我基本上都會選擇FP的作法，但在接觸R以後，我被它的向量化運算以及經過邏輯值取子集（logical subsetting）的作法深深吸引：

urbancat[USArrests$UrbanPop > urbanPop.median] <- 1

USArrests$UrbanPop是一個向量，而urbanPop.median是一個值，由於R默認支持向量化運算，因此拿USArrests$UrbanPop和urbanPop.median比較會自動轉化成拿USArrests$UrbanPop裏的每一個值和urbanPop.median，獲得一個和USArrests$UrbanPop等長的由邏輯值（T和F）組成的向量（F F T F T ......）。當咱們用這個邏輯值向量去索引urbancat時，就會取出邏輯值爲T的對應元素，這個時候，結合賦值運算就能夠把這些元素都設爲1了。

 

最後，要把urbancat變成factor向量，你能夠修改for循環或者map函數，但在R裏，你只需把urbancat傳給factor函數就好了：

urbancat <- factor(urbancat)

 

Ruby之父松本行弘在他的《松本行弘的程序世界》裏說過，「在語言學領域裏，有一個Sapir-Whirf假說，認爲語言能夠影響說話者的思想。也就是說，語言的不一樣，形成了思想的不一樣。程序員因爲使用的編程語言不一樣，他的思考方法和編寫出來的代碼都會受到編程語言的很大影響。」而這番話能夠很好地歸納我此時的感覺。