R学习：R for Data Science（七）函数
R学习往期回顾：
R学习：R for Data Science（六）使用forcats处理因子
R学习 从Tidyverse学起，入门R语言 dplyr合并数据
R学习 从Tidyverse学起，入门R语言（tidyr和stringr）
R学习 从Tidyverse学起，入门R语言（tibble，readr和dplyr）
与复制粘贴相比，函数可以通过更强大、更通用的方式来自动执行常用任务。相比于复制粘贴，函数具有以下3 个主要优点。· 你可以给函数起一个意味深长的名字，从而让代码更容易理解。· 如果需求发生了变化，只需要修改一处代码即可，无须修改多处。· 消除了复制粘贴时可能出现的无心之失（比如，修改了一处的变量名称，但却没有修改另一处）。
什么时候应该使用函数
只要一段代码需要复制粘贴的次数超过两次（也就是说，同一段代码至少有 3 个副本），那么就应该考虑编写一个函数。
例如
df <- tibble::tibble(a = rnorm(10),b = rnorm(10),c = rnorm(10),d = rnorm(10))df$a <- (df$a - min(df$a, na.rm = TRUE)) /(max(df$a, na.rm = TRUE) - min(df$a, na.rm = TRUE))df$b <- (df$b - min(df$b, na.rm = TRUE)) /(max(df$b, na.rm = TRUE) - min(df$a, na.rm = TRUE))df$c <- (df$c - min(df$c, na.rm = TRUE)) /(max(df$c, na.rm = TRUE) - min(df$c, na.rm = TRUE))df$d <- (df$d - min(df$d, na.rm = TRUE)) /(max(df$d, na.rm = TRUE) - min(df$d, na.rm = TRUE))这段代码的作用是将每列的值调整到 0 到 1 之间。
这里犯了一个错误：忘记将其中的一个a 改成 b 了。提取重复代码，将其转换为函数是一种非常好的做法，因为这样可以防止此类错误的发生。
要想编写一个函数，首先需要分析代码，比如，函数需要多少个输入？
(df$a - min(df$a, na.rm = TRUE)) /(max(df$a, na.rm = TRUE) - min(df$a, na.rm = TRUE))
这段代码只有一个输入：df$a
为了让输入更加清晰，应该使用具有通用名称的临时变量来重写代码。
以上代码只需要一个数值向量，我们可以称其为 x：
x <- df$a(x - min(x, na.rm = TRUE)) / (max(x, na.rm = TRUE) - min(x, na.rm = TRUE))这段代码中还有一些重复，我们计算了 3 次数据最大值和最小值，但这可以一步完成
rng <- range(x, na.rm = TRUE)(x - rng[1]) / (rng[2] - rng[1])将中间计算结果保存为命名变量是一种非常好的做法，因为这样可以让代码的意义更加清楚。既然我们已经简化了代码，并检验了代码可以正常运行，接下来就可以将其转换为函数了：（将0，5，10转换为0-1）
rescale01 <- function(x) { rng <- range(x, na.rm = TRUE) (x - rng[1]) / (rng[2] - rng[1])}rescale01(c(0, 5, 10))要想创建一个新函数，需要以下 3 个关键步骤 (1) 为函数选择一个名称。在以上示例中，我们使用 rescale01 作为函数名称，因为这个函数的功能是将一个向量调整到 0 到 1 之间。 (2) 列举出 function 中所用的输入，即参数。这个示例中只有一个参数，如果有更多参数，那么函数调用形式就类似于 function(x, y, z)。 (3) 将已经编写好的代码放在函数体中。在 function(...) 后面要紧跟一个用 {} 括起来的代码块。
注意以上创建函数的整体过程。确定函数如何使用简单输入来运行后，我们才开始编写函数。从工作代码开始，再将其转换为函数是相对容易的；先创建函数，再让其正确运行则是比较困难的。
此时我们应该使用其他输入来测试函数是否正确
rescale01(c(-10, 0, 10))#> [1] 0.0 0.5 1.0rescale01(c(1, 2, 3, NA, 5))#> [1] 0.00 0.25 0.50 NA 1.00既然已经有了函数，那么我们就可以利用它来简化原来的示例了
df$a <- rescale01(df$a)df$b <- rescale01(df$b)df$c <- rescale01(df$c)df$d <- rescale01(df$d)相对于原来的代码，这段代码更清楚易懂，而且还消除了复制粘贴可能带来的错误。
函数的另一个优点是，如果需求发生变化，我们只需要在一处进行修改。例如，我们发现，如果有些变量中包括无限值，那么 rescale01() 函数就会出错
x <- c(1:10, Inf)rescale01(x)#> [1] 0 0 0 0 0 0 0 0 0 0 NaN因为已经将代码放在函数中了，所以我们只需要在函数中进行修改即可
rescale01 <- function(x) { rng <- range(x, na.rm = TRUE, finite = TRUE) (x - rng[1]) / (rng[2] - rng[1])}rescale01(x)#> [1] 0.000 0.111 0.222 0.333 0.444 0.556 0.667 0.778 0.889#> [10] 1.000 Inf函数参数
函数的参数通常分为两大类：一类提供需要进行计算的数据，另一类控制计算过程的细节。举例如下。 · 在 log() 函数中，数据是 x，细节则是对数的底，即 base。 · 在 mean() 函数中，数据是 x，细节则是从 x 前后两端（trim）移除多大比例的数据，以及如何处理缺失值（na.rm）。 · 在 t.test() 函数中，数据是 x 和 y，检验的细节则是 alternative、 mu、 paired、 var.equal 以及 conf.level 等设置。 · 在 str_c() 函数中，你可以向 ... 参数提供任意数量的字符串作为数据，连接的细节则由 sep 和 collapse 参数控制。
通常情况下，数据参数应该放在最前面，细节参数则放在后面，而且一般都有默认值。设置默认值的方式与使用命名参数调用函数的方式是一样的
使用近似正态分布计算均值两端的置信区间
mean_ci <- function(x, conf = 0.95) { se <- sd(x) / sqrt(length(x)) alpha <- 1 - conf mean(x) + se * qnorm(c(alpha / 2, 1 - alpha / 2))}x <- runif(100)mean_ci(x)#> [1] 0.498 0.610mean_ci(x, conf = 0.99)#> [1] 0.480 0.628默认值应该几乎总是最常用的值。
将 na.rm 的默认值设为 FALSE 是情有可原的，因为缺失值有时是非常重要的。虽然代码中经常使用的是 na.rm = TRUE，但是通过默认设置不声不响地忽略缺失值并不是一种良好的做法。
在调用函数时，我们经常省略数据参数的名称，因为其使用太普遍了。如果不想使用细节参数的默认值，那么你应该使用细节参数的完整名称
# 好mean(1:10, na.rm = TRUE)# 不好mean(x = 1:10, , FALSE)mean(, TRUE, x = c(1:10, NA))如果一个参数名称的前几个字母可以唯一标识这个参数，那么你可以通过这些字母来引用这个参数，如 mean(x, n = TRUE)。但是，通常要在不会引起混淆的情况下才能这样做。注意，在调用函数时，应该在其中 = 的两端都加一个空格。逗号后面应该总是加一个空格，逗号前面则不要加空格（与英文写法相同）。使用空格可以使得函数的重要部分更易读
# 好average <- mean(feet / 12 + inches, na.rm = TRUE)# 不好average<-mean(feet/12+inches,na.rm=TRUE)点点点（...）
R 中的很多函数可以接受任意数量的输入
sum(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)#> [1] 55stringr::str_c("a", "b", "c", "d", "e", "f")#> [1] "abcdef这种函数是如何运行的呢？它们需要一个特殊参数：...（读作点点点）。这个特殊参数会捕获任意数量的未匹配参数。
这个参数的作用非常大，因为你可以将它捕获的值传给另一个函数。如果你的函数是另一个函数的包装器，那么这种一网打尽的方式就非常有用了。例如，我们经常用以下方式创建辅助函数来包装 str_c() 函数：
commas <- function(...) stringr::str_c(..., collapse = ", ")commas(letters[1:10])#> [1] "a, b, c, d, e, f, g, h, i, j"rule <- function(..., pad = "-") { title <- paste0(...) width <- getOption("width") - nchar(title) - 5 cat(title, " ", stringr::str_dup(pad, width), "\n", sep = "")}rule("Important output")这里 ... 可以将我们不想处理的所有参数传递给 str_c()。
公众号“生信小课堂”