Uso principalmente ggplot2
per visualizzazioni. In genere, disegno la trama in modo interattivo (ovvero codice ggplot2
grezzo che utilizza NSE) ma alla fine, I frequentemente finiscono per avvolgere quel codice in una funzione che riceve i dati e le variabili da tracciare. E questo è sempre un po 'un incubo di .Valutazione pigro per ggplot2 all'interno di una funzione
Quindi, le situazioni tipiche si presentano così. Ho alcuni dati e I crea un grafico per questo (in questo caso, un esempio molto molto semplice, utilizzando il set di dati mpg fornito con ggplot2
).
library(ggplot2)
data(mpg)
ggplot(data = mpg,
mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
geom_jitter(alpha = 0.1, color = "blue")
E quando ho finito di disegnare la trama, che in genere voglio usarlo per diverse variabili o dati, ecc Quindi creo una funzione che riceve i dati e le variabili per la trama come argomenti . Ma a causa di NSE, è non facile come scrivere l'intestazione della funzione e quindi copiare/incollare e sostituire le variabili per gli argomenti delle funzioni. Non funzionerebbe, come mostrato di seguito.
mpg <- mpg
plotfn <- function(data, xvar, yvar){
ggplot(data = data,
mapping = aes(x = xvar, y = yvar)) +
geom_boxplot() +
geom_jitter(alpha = 0.1, color = "blue")
}
plotfn(mpg, class, hwy) # Can't find object
## Don't know how to automatically pick scale for object of type function. Defaulting to continuous.
## Warning: restarting interrupted promise evaluation
## Error in eval(expr, envir, enclos): object 'hwy' not found
plotfn(mpg, "class", "hwy") #
così devo tornare indietro e correggere il codice, ad esempio, utilizzando aes_string
intead del aes
che utilizza NSE (in questo esempio è piuttosto semplice, ma per trame più complesse, con molte trasformazioni e livelli, diventa un incubo).
plotfn <- function(data, xvar, yvar){
ggplot(data = data,
mapping = aes_string(x = xvar, y = yvar)) +
geom_boxplot() +
geom_jitter(alpha = 0.1, color = "blue")
}
plotfn(mpg, "class", "hwy") # Now this works
E la cosa è che trovo molto comodo NSE e anche lazyeval
. Quindi Mi piace fare qualcosa del genere.
mpg <- mpg
plotfn <- function(data, xvar, yvar){
data_gd <- data.frame(
xvar = lazyeval::lazy_eval(substitute(xvar), data = data),
yvar = lazyeval::lazy_eval(substitute(yvar), data = data))
ggplot(data = data_gd,
mapping = aes(x = xvar, y = yvar)) +
geom_boxplot() +
geom_jitter(alpha = 0.1, color = "blue")
}
plotfn(mpg, class, hwy) # Now this works
plotfn(mpg, "class", "hwy") # This still works
plotfn(NULL, rep(letters[1:4], 250), 1:100) # And even this crazyness works
Questo dà la mia funzione plot un sacco di flessibilità. Ad esempio, è possibile passare nomi di variabili quotati o non quotati e anche i dati direttamente anziché un nome di variabile (tipo di abuso di valutazione lazy).
Ma questo ha un grosso problema. La funzione non può essere utilizzata a livello di programmazione .
dynamically_changing_xvar <- "class"
plotfn(mpg, dynamically_changing_xvar, hwy)
## Error in eval(expr, envir, enclos): object 'dynamically_changing_xvar' not found
# This does not work, because it never finds the object
# dynamically_changing_xvar in the data, and it does not get evaluated to
# obtain the variable name (class)
Quindi non posso usare i loop (ad esempio lapply) per produrre la stessa trama di diverse combinazioni di variabili, o dati.
Così ho pensato di abusare ancora di più pigri, standard e non standard di valutazione, e cercare di combinarli tutti così ho sia, la flessibilità sopra indicato e la possibilità di utilizzare la funzione di programmazione. Fondamentalmente, quello che faccio è usare tryCatch
per la prima lazy_eval
l'espressione per ogni variabile e, se fallisce, per valutare l'espressione analizzata .
plotfn <- function(data, xvar, yvar){
data_gd <- NULL
data_gd$xvar <- tryCatch(
expr = lazyeval::lazy_eval(substitute(xvar), data = data),
error = function(e) eval(envir = data, expr = parse(text=xvar))
)
data_gd$yvar <- tryCatch(
expr = lazyeval::lazy_eval(substitute(yvar), data = data),
error = function(e) eval(envir = data, expr = parse(text=yvar))
)
ggplot(data = as.data.frame(data_gd),
mapping = aes(x = xvar, y = yvar)) +
geom_boxplot() +
geom_jitter(alpha = 0.1, color = "blue")
}
plotfn(mpg, class, hwy) # Now this works, again
plotfn(mpg, "class", "hwy") # This still works, again
plotfn(NULL, rep(letters[1:4], 250), 1:100) # And this crazyness still works
# And now, I can also pass a local variable to the function, that contains
# the name of the variable that I want to plot
dynamically_changing_xvar <- "class"
plotfn(mpg, dynamically_changing_xvar, hwy)
Quindi, oltre alla flessibilità menzionata sopra, ora posso usare lo one-liner o così, per produrre molti dello stesso grafico, con diverse variabili (o dati) .
lapply(c("class", "fl", "drv"), FUN = plotfn, yvar = hwy, data = mpg)
## [[1]]
##
## [[2]]
##
## [[3]]
Anche se è molto pratico, ho il sospetto che questo non è una buona pratica. Ma quanto male pratica è? Questa è la mia domanda chiave. Quali altre alternative posso utilizzare per avere il meglio di entrambi i mondi?
Naturalmente, posso vedere questo modello può creare problemi. Per esempio.
# If I have a variable in the global environment that contains the variable
# I want to plot, but whose name is in the data passed to the function,
# then it will use the name of the variable and not its content
drv <- "class"
plotfn(mpg, drv, hwy) # Here xvar on the plot is drv and not class
E alcuni (molti?) Altri problemi. Ma mi sembra che i vantaggi in termini di flessibilità della sintassi superino questi altri problemi. Qualche idea su questo?
La pratica migliore è quella di produrre una coppia di funzioni. Uno è NSE, l'altro SE. Questo è descritto in 'vignette ('nse')'. Questo significa usare 'aes_' invece di' aes'. – Axeman
Grazie, ..., sì, temevo che sarebbe stata la risposta. Anche se vedo i benefici di dplyr & co. "schema di denominazione coerente: SE è il nome NSE con _ alla fine", mi dà sempre fastidio dover utilizzare una funzione diversa per programmare e lavorare in modo interattivo. – elikesprogramming