撰寫 R 語言函數：Learn from the Wickhams
To understand computations in R: everything that happens is a function call.
John Chambers
R 語言是根基於 S 語言的開源軟體計畫，John Chambers 身為 S 語言之父以及 R 語言的核心開發成員，利用他描述 R 語言函數編程的這項特質作為我們的第一個印象再適切不過了。
R, at its heart, is a functional programming (FP) language.
Hadley Wickham
又或者引用將 R 語言推向資料科學高峰的 Hadley Wickham，在其知名著作 The Advanced R 一書中提到 R 語言本質就是一個函數編程程式語言，相信撰寫函數必定是在 R 語言的學習之旅中不能略過的一站。
成為 DataInPoint 的贊助者
Writing Functions in R
DataCamp 邀請到 Hadley 與 Charlotte 姊弟共同來教授 Writing Functions in R 課程，這也是 DataCamp 課程中唯一有 Hadley 親自來指導教學的內容，是粉絲朝聖的首選；課程時數約四小時，完成這個課程使用者將會對 R 語言的自訂函數有更深一層的理解，這門課程並不適合初學者修習，適合已經暸解變數類型、資料結構、流程控制與迴圈等 Base R 觀念的使用者修習。
既然函數這麼重要，究竟撰寫函數能夠在什麼時候派上用場？Hadley 在課程中有一個很清晰的指引：
If you have copy-and-pasted twice, it’s time to write a function.
假如使用者發現自己開始複製貼上自己的程式碼兩次，就應該要停下來並改寫為函數（這個定義太美，粉絲模式不自覺地開啟！）
課程所舉的範例是一個將資料數值標準化的情境，這是很常見當數值單位不同時所採取的資料預處理。假如我們要將內建資料 iris 的四個數值變數標準化（Min Max Scale 方法）：
iris_std <- iris
iris_std$Sepal.Length <- (iris_std$Sepal.Length - min(iris_std$Sepal.Length, na.rm = TRUE)) / (max(iris_std$Sepal.Length, na.rm = TRUE) - min(iris_std$Sepal.Length, na.rm = TRUE))
# 複製貼上第一次
iris_std$Sepal.Width <- (iris_std$Sepal.Width - min(iris_std$Sepal.Width, na.rm = TRUE)) / (max(iris_std$Sepal.Width, na.rm = TRUE) - min(iris_std$Sepal.Width, na.rm = TRUE))
# 複製貼上第二次
iris_std$Petal.Length <- (iris_std$Petal.Length - min(iris_std$Petal.Length, na.rm = TRUE)) / (max(iris_std$Petal.Length, na.rm = TRUE) - min(iris_std$Petal.Length, na.rm = TRUE))
# 該停下來囉...複製貼上修改變數名稱兩次之後，就意識到必須停下來改寫為函數，首先撰寫可以將輸入向量標準化的函數 min_max_scale()：
# 宣告函數
min_max_scale <- function(x) {
x_min <- min(x, na.rm = TRUE)
x_max <- max(x, na.rm = TRUE)
output <- (x - x_min) / (x_max - x_min)
return(output)
}接著呼叫函數將前兩個數值變數 Sepal.Length 與 Sepal.Width 標準化：
# 宣告函數
min_max_scale <- function(x) {
x_min <- min(x, na.rm = TRUE)
x_max <- max(x, na.rm = TRUE)
output <- (x - x_min) / (x_max - x_min)
return(output)
}# 呼叫函數
iris_std <- iris
iris_std$Sepal.Length <- min_max_scale(iris_std$Sepal.Length)
iris_std$Sepal.Width <- min_max_scale(iris_std$Sepal.Width)
View(iris_std)
有四個數值變數要標準化，勢必也不能複製貼上三次，因此改寫成一個迴圈：
# 宣告函數
min_max_scale <- function(x) {
x_min <- min(x, na.rm = TRUE)
x_max <- max(x, na.rm = TRUE)
output <- (x - x_min) / (x_max - x_min)
return(output)
}# 呼叫函數
iris_std <- iris
for (i in 1:4) {
iris_std[, i] <- min_max_scale(iris_std[, i])
}
除了使用迴圈將 min_max_scale() 函數應用到 iris_std 以外，是否還有其他的方法能夠完成呢？我們可以透過 lapply() 或者 purrr 套件中的 map() 這兩個函數都能夠將完成標準化的向量儲存在 list 中回傳：
library(purrr)# 宣告函數
min_max_scale <- function(x) {
x_min <- min(x, na.rm = TRUE)
x_max <- max(x, na.rm = TRUE)
output <- (x - x_min) / (x_max - x_min)
return(output)
}# 呼叫函數
lapply(iris[, 1:4], FUN = min_max_scale)
map(iris[, 1:4], .f = min_max_scale)
purrr 套件
purrr 套件是 Hadley 開發的套件，目的是盡可能地減少 for 迴圈並提供函數編程更完善的支援，同時亦提供了 apply 函數家族以外的另一個選擇，套件的入門函數除了我們剛才使用過的 map() 外尚有特別用來處理圖形的 walk()。像是我們想將內建資料 iris 的四個數值變數繪畫出直方圖觀察分布的情況，以迴圈可以這樣實作：
par(mfrow = c(2, 2))
plot_title <- "Hist of"
iris_vars <- names(iris)[-5]
plot_titles <- paste(plot_title, iris_vars)
for (i in 1:4) {
hist(iris[, i], xlab = "", col = rgb(1, 0, 0, 0.4), main = plot_titles[i])
}
以 walk() 函數實作則是這樣撰寫：
library(purrr)walk(iris[, 1:4], .f = hist, col = rgb(1, 0, 0, 0.4), xlab = "")
接著我們用 pwalk() 來處理難看的標題並且依照變數上不同的顏色，注意要將資料、標題參數以及顏色參數用一個 list 包括起來：
plot_title <- "Hist of"
iris_vars <- names(iris)[-5]
plot_titles <- paste(plot_title, iris_vars)
hist_colors <- c(
rgb(1, 0, 0, 0.4),
rgb(0, 1, 0, 0.4),
rgb(0, 0, 1, 0.4),
rgb(1, 0.5, 0, 0.4)
)
pwalk(list(iris[, 1:4], main = plot_titles, col = hist_colors), .f = hist, xlab = "")
例外處理
min_max_scale() 函數只能用來處理數值向量的輸入，假如在前述應用時候沒有將內建資料 iris 的 Species 變數排除，會出現 min not meaningful for factors 的錯誤，因為對於因素向量（factors）來說計算最小值是沒有意義的：
# 宣告函數
min_max_scale <- function(x) {
x_min <- min(x, na.rm = TRUE)
x_max <- max(x, na.rm = TRUE)
output <- (x - x_min) / (x_max - x_min)
return(output)
}# 呼叫函數
lapply(iris, FUN = min_max_scale)
map(iris, .f = min_max_scale)
面對這種情境我們可以採用兩種方法來處理，一是在函數宣告的主體中加入 tryCatch() 函數：
# 宣告函數
min_max_scale <- function(x) {
tryCatch({
x_min <- min(x, na.rm = TRUE)
x_max <- max(x, na.rm = TRUE)
output <- (x - x_min) / (x_max - x_min)
return(output)
}, error = function(e){
return("x 必須為數值型變數")
})
}# 呼叫函數
lapply(iris, FUN = min_max_scale)
map(iris, .f = min_max_scale)
另一種處理方法是透過 purrr 套件提供的 safely() 函數，它會為我們原本的自訂函數做好例外處理：
library(purrr)# 宣告函數
min_max_scale <- function(x) {
x_min <- min(x, na.rm = TRUE)
x_max <- max(x, na.rm = TRUE)
output <- (x - x_min) / (x_max - x_min)
return(output)
}# 呼叫 safely() 為函數加上例外處理
safe_min_max_scale <- safely(min_max_scale)# 呼叫函數
lapply(iris, FUN = safe_min_max_scale)
map(iris, .f = safe_min_max_scale)
幾個注意事項
課程中 Hadley 與 Charlotte 還特別叮嚀了幾個撰寫函數時的注意事項：
- 先用慣常的方式解決問題，接著改為撰寫函數再解決一次
- 函數命名使用動詞並以底線分隔多個單字，務必讓使用者容易理解
- 參數命名使用名詞，先擺放資料參數，再放置細節參數，細節參數記得要給定預設值
- 暸解 R 語言的編程風格
- 撰寫函數的首要目的是解決我們的問題，而不是漂亮簡潔的程式碼，不要因為使用
for迴圈而感到不開心 - 短期試著先將問題中較簡單的 80% 用函數解決，這時會顯得吃力費時
- 長期就能夠將問題中的 99% 用函數解決，這時會顯得輕鬆快捷
