Переход по трубопроводу с промежуточными результатами

Есть ли способ выводить результат конвейера на каждом шаге, не делая его вручную? (например, без выбора и запуска только выбранных фрагментов)

Я часто нахожу, что я выполняю конвейер по очереди, чтобы помнить, что он делал, или когда я разрабатываю некоторый анализ.

Например:

library(dplyr)

mtcars %>% 
  group_by(cyl) %>% 
  sample_frac(0.1) %>% 
  summarise(res = mean(mpg))
# Source: local data frame [3 x 2]
# 
# cyl  res
# 1   4 33.9
# 2   6 18.1
# 3   8 18.7

Я бы выбрал и запустил:

mtcars %>% group_by(cyl)

а затем...

mtcars %>% group_by(cyl) %>% sample_frac(0.1)

и т.д.

Но выбор и CMD/CTRL + ENTER в RStudio оставляет желаемый более эффективный метод.

Можно ли это сделать в коде?

Есть ли функция, которая берет конвейер и запускает/переваривает его по строке, отображая вывод на каждом этапе консоли, и вы продолжаете, нажимая enter, как в demos(...) или examples(...) руководства по пакетам

Ответ 1

Легко с цепочкой функций magrittr. Например, определите функцию my_chain с помощью:

foo <- function(x) x + 1
bar <- function(x) x + 1
baz <- function(x) x + 1
my_chain <- . %>% foo %>% bar %>% baz

и получить конечный результат цепочки как:

     > my_chain(0)
    [1] 3

Вы можете получить список функций с помощью functions(my_chain) и определить "шаговую" функцию следующим образом:

stepper <- function(fun_chain, x, FUN = print) {
  f_list <- functions(fun_chain)
  for(i in seq_along(f_list)) {
    x <- f_list[[i]](x)
    FUN(x)
  }
  invisible(x)
}

И запустите цепочку с помощью встроенной функции print:

stepper(my_chain, 0, print)

# [1] 1
# [1] 2
# [1] 3

Или с ожиданием ввода пользователя:

stepper(my_chain, 0, function(x) {print(x); readline()})

Ответ 2

Вы можете выбрать, какие результаты будут печататься с помощью оператора tee (%T>%) и print(). Ти-оператор используется исключительно для побочных эффектов, таких как печать.

# i.e.
mtcars %>%
  group_by(cyl) %T>% print() %>%
  sample_frac(0.1) %T>% print() %>%
  summarise(res = mean(mpg))

Ответ 3

Добавить печать:

mtcars %>% 
  group_by(cyl) %>% 
  print %>% 
  sample_frac(0.1) %>% 
  print %>% 
  summarise(res = mean(mpg))

Ответ 4

IMHO magrittr в основном полезен интерактивно, то есть когда я изучаю данные или строю новую формулу/модель.

В этом случае сохранение промежуточных результатов в отдельных переменных очень трудоемко и отвлекает, в то время как трубы позволяют мне сосредоточиться на данных, а не набирать:

x %>% foo
## reason on results and 
x %>% foo %>% bar
## reason on results and 
x %>% foo %>% bar %>% baz
## etc.

Проблема в том, что я не знаю заранее, что будет последним, как в @bergant.

Ввод текста, как в @zx8754,

x %>% print %>% foo %>% print %>% bar %>% print %>% baz

добавляет много накладных расходов и, для меня, побеждает всю цель magrittr.

По сути, magrittr не имеет простого оператора, который отображает как результаты печати, так и результаты.
Хорошей новостью является то, что кажется довольно простым создать один:

`%P>%`=function(lhs, rhs){ print(lhs); lhs %>% rhs }

Теперь вы можете распечатать трубку:

1:4 %P>% sqrt %P>% sum 
## [1] 1 2 3 4
## [1] 1.000000 1.414214 1.732051 2.000000
## [1] 6.146264

Я обнаружил, что если один определяет/использует привязки ключей для %P>% и %>%, рабочий процесс прототипирования очень упрощен (см. Emacs ESS или RStudio).

Ответ 5

Я написал пакетные каналы, которые могут сделать несколько вещей, которые могут помочь:

используйте %P>% чтобы print вывод.
используйте %ae>% чтобы использовать all.equal для ввода и вывода.
используйте %V>% чтобы использовать View на выходе, он откроет средство просмотра для каждого соответствующего шага.

Если вы хотите увидеть некоторую агрегированную информацию, вы можете попробовать %summary>%, %glimpse>% или %skim>% которые будут использовать summary, tibble::glimpse или skimr::skim, или вы можете определить свой собственный канал для показа определенных изменения, используя new_pipe

# devtools::install_github("moodymudskipper/pipes")
library(dplyr)
library(pipes)

res <- mtcars %P>% 
  group_by(cyl) %P>% 
  sample_frac(0.1) %P>% 
  summarise(res = mean(mpg))
#> group_by(., cyl)
#> # A tibble: 32 x 11
#> # Groups:   cyl [3]
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
#>  * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
#>  2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
#> # ... with 22 more rows
#> sample_frac(., 0.1)
#> # A tibble: 3 x 11
#> # Groups:   cyl [3]
#>     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
#>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1  26       4  120.    91  4.43  2.14  16.7     0     1     5     2
#> 2  17.8     6  168.   123  3.92  3.44  18.9     1     0     4     4
#> 3  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
#> summarise(., res = mean(mpg))
#> # A tibble: 3 x 2
#>     cyl   res
#>   <dbl> <dbl>
#> 1     4  26  
#> 2     6  17.8
#> 3     8  18.7

res <- mtcars %ae>% 
  group_by(cyl) %ae>% 
  sample_frac(0.1) %ae>% 
  summarise(res = mean(mpg))
#> group_by(., cyl)
#> [1] "Attributes: < Names: 1 string mismatch >"                                              
#> [2] "Attributes: < Length mismatch: comparison on first 2 components >"                     
#> [3] "Attributes: < Component \"class\": Lengths (1, 4) differ (string compare on first 1) >"
#> [4] "Attributes: < Component \"class\": 1 string mismatch >"                                
#> [5] "Attributes: < Component 2: Modes: character, list >"                                   
#> [6] "Attributes: < Component 2: Lengths: 32, 2 >"                                           
#> [7] "Attributes: < Component 2: names for current but not for target >"                     
#> [8] "Attributes: < Component 2: Attributes: < target is NULL, current is list > >"          
#> [9] "Attributes: < Component 2: target is character, current is tbl_df >"
#> sample_frac(., 0.1)
#> [1] "Different number of rows"
#> summarise(., res = mean(mpg))
#> [1] "Cols in y but not x: 'res'. "                                                                
#> [2] "Cols in x but not y: 'qsec', 'wt', 'drat', 'hp', 'disp', 'mpg', 'carb', 'gear', 'am', 'vs'. "

res <- mtcars %V>% 
  group_by(cyl) %V>% 
  sample_frac(0.1) %V>% 
  summarise(res = mean(mpg))
# you'll have to test this one by yourself