R语言中的管道操作

这是R数据科学的读书笔记之一，《R数据科学》是一本教你如何用R语言进行数据分析的书。即便我使用R语言快2年多了，但是读这本书还是受益颇多。

这一篇学习笔记对应第13章:使用magrittr进行管道操作。关于管道这个概念，我最早在Linux系统中接触，它是Unix系统设计哲学的体现，“组合小功能完成大任务”，比如说BWA比对后排序用管道的写法就是

bwa mem ref 1.fq 2.fq | samtools sort > align.bam

在R语言接触管道符号"%>%"是在学习dplyr包时候，那个时候我以为这个符号是 Hadley Wickham 创造出来的，其实是来源于Stefan Milton Bache开发的magrittr中。

基础部分

在没有管道符号之前，如果我要对一个变量做一系列的分析的话，那么写法是下面这个样子

# 先创建100个随机数
nums <- rnorm(100) 
# 分成两列
nums_matrix <- matrix(nums, ncol = 2)
# 分别求两列的均值
nums_mean <- Matrix::colMeans(nums_matrix)

这里面我写了很多中间变量，要多敲很多字，而且如果我要修改输入的话的100个随机数的话，我需要修改两处。当然可以进行函数嵌套.

Matrix::colMeans(matrix(rnorm(100), ncol=2))

但是这种写法不利于人的阅读，当我读到这个函数的时候，我需要先连续往大脑里塞进去两个函数后，才能抵达核心，然后再从里往外解析。

但是有了管道符号之后一切就不一样了，写法就是

rnorm(100) %>% matrix(ncol=2) %>% Matrix::colMeans()

你会发现从左往右阅读，代码读起来非常的流畅。

虽然管道看起来很美好，但是在如下的场景中就不太适合了，

• 操作步骤特别的多，比如说10个，那么你就需要用一些有意义的中间变量来存放中间结果，方便调试
• 多输入多输出。比如说A和B输入，输出C和D
• 操作步骤构成了一张复杂关系的有向图，比如说D结果依赖于B和C，而B和C依赖于A。

简单点说，就是类似于A > B > C > D 这种场景用管道比较好。

除了%>%这个好用的符号外，magrittr还提供了其他三个比较好用的符号,%$%，%<>%和%T>%。

高级部分

上面都是常规操作，作为有一定基础的R语言使用者，更希望探索点这个符号的本质。

首先明确一点，在R语言中一切符号本质上都是函数，比如说"+"也是一个函数，常规用法都是1 + 2, 但是我们可以用函数的方式来写哦

`+`(4,5)
# 9

因此rnorm(100) %>% matrix(ncol=2)其实应该理解成

`%>%`(rnorm(100), matrix(ncol=2))

那么我们就可以看看管道符号的源代码了

?magrittr::`%>%`
function (lhs, rhs) 
{
    parent <- parent.frame()
    env <- new.env(parent = parent)
    chain_parts <- split_chain(match.call(), env = env)
    pipes <- chain_parts[["pipes"]]
    rhss <- chain_parts[["rhss"]]
    lhs <- chain_parts[["lhs"]]
    env[["_function_list"]] <- lapply(1:length(rhss), function(i) wrap_function(rhss[[i]], 
        pipes[[i]], parent))
    env[["_fseq"]] <- `class<-`(eval(quote(function(value) freduce(value, 
        `_function_list`)), env, env), c("fseq", "function"))
    env[["freduce"]] <- freduce
    if (is_placeholder(lhs)) {
        env[["_fseq"]]
    }
    else {
        env[["_lhs"]] <- eval(lhs, parent, parent)
        result <- withVisible(eval(quote(`_fseq`(`_lhs`)), env, 
            env))
        if (is_compound_pipe(pipes[[1L]])) {
            eval(call("<-", lhs, result[["value"]]), parent, 
                parent)
        }
        else {
            if (result[["visible"]]) 
                result[["value"]]
            else invisible(result[["value"]])
        }
    }
}

这个代码的核心在于如下两行

env[["_function_list"]] <- lapply(1:length(rhss), function(i) wrap_function(rhss[[i]], 
        pipes[[i]], parent))
env[["_fseq"]] <- `class<-`(eval(quote(function(value) freduce(value, 
        `_function_list`)), env, env), c("fseq", "function"))

这两行干的活其实是进行词法转换，也就是把我们之前的管道串联起来的部分转换成

my_pipe <- function(.){
    . <- rnorm(.) 
    . <- matrix(., ncol = 2)
    . <- Matrix::colMeans(.)
}
my_pipe(100)

多说两句

考虑到在管道里面用"+"."-"这些函数时用到`+`或许会有点诡异，于是magrittr给这些符号命名了对应的别名，如下

extract `[`
extract2    `[[`
inset   `[<-`
inset2  `[[<-`
use_series  `$`
add `+`
subtract    `-`
multiply_by `*`
raise_to_power  `^`
multiply_by_matrix  `%*%`
divide_by   `/`
divide_by_int   `%/%`
mod `%%`
is_in   `%in%`
and `&`
or  `|`
equals  `==`
is_greater_than `>`
is_weakly_greater_than  `>=`
is_less_than    `<`
is_weakly_less_than `<=`
not (`n'est pas`)   `!`
set_colnames    `colnames<-`
set_rownames    `rownames<-`
set_names   `names<-`