R 函数中的 Magrittr 管道

Question

从(1(速度和(2(有效调试能力的角度来看，在R函数中使用magrittr管道是否不利？

Answer 1

在函数内部使用管道有优点和缺点。最大的优点是，当您阅读代码时，更容易看到函数中发生的事情。最大的缺点是错误消息变得难以解释，并且管道破坏了R的一些评估规则。

下面是一个示例。假设我们想对mtcars数据集进行毫无意义的转换。以下是我们如何用管道做到这一点...

library(tidyverse)
tidy_function <- function() {
mtcars %>%
group_by(cyl) %>%
summarise(disp = sum(disp)) %>%
mutate(disp = (disp ^ 4) / 10000000000)
}

您可以清楚地看到每个阶段发生的事情，即使它没有做任何有用的事情。现在让我们看看使用达格伍德三明治方法的时间代码......

base_function <- function() {
mutate(summarise(group_by(mtcars, cyl), disp = sum(disp)), disp = (disp^5) / 10000000000)
}

更难阅读，即使它给了我们相同的结果......

all.equal(tidy_function(), base_function())
# [1] TRUE

避免使用管道或达格伍德三明治的最常见方法是将每个步骤的结果保存到中间变量中......

intermediate_function <- function() {
x <- mtcars
x <- group_by(x, cyl)
x <- summarise(x, disp = sum(disp))
mutate(x, disp = (disp^5) / 10000000000)
}

比上一个函数更具可读性，R 会在出现错误时为您提供更详细的信息。此外，它遵守传统的评估规则。同样，它给出的结果与其他两个函数相同......

all.equal(tidy_function(), intermediate_function())
# [1] TRUE

您特别询问了速度，那么让我们通过运行每个函数 1000 次来比较这三个函数......

library(microbenchmark)
timing <-
microbenchmark(tidy_function(),
intermediate_function(),
base_function(),
times = 1000L)
timing
#Unit: milliseconds
#expr      min       lq     mean   median       uq       max neval cld
#tidy_function() 3.809009 4.403243 5.531429 4.800918 5.860111  23.37589  1000   a
#intermediate_function() 3.560666 4.106216 5.154006 4.519938 5.538834  21.43292  1000   a
#base_function() 3.610992 4.136850 5.519869 4.583573 5.696737 203.66175  1000   a

即使在这个微不足道的示例中，管道也比其他两个选项慢一点。

结论

如果它是编写代码的最舒适方式，请随意在函数中使用管道。如果您开始遇到问题，或者您需要代码尽可能快，请切换到不同的范例。