Lima Tips untuk Meningkatkan Kode R Anda

3. Tinggalkan which()

Lain kali Anda menggunakan which(), coba tinggalkan! Orang sering menggunakan which() untuk mendapatkan indeks dari suatu kondisi boolean, lalu memilih nilai pada indeks tersebut. Ini tidak perlu.

Mengambil elemen vektor yang lebih besar dari 5:

x <- 3:7

# Using which (not necessary)
x[which(x > 5)]
#> [1] 6 7

# No which
x[x > 5]
#> [1] 6 7
Didukung oleh

Atau menghitung jumlah nilai yang lebih besar dari 5:

# Using which
length(which(x > 5))
#> [1] 2

# Without which
sum(x > 5)
#> [1] 2
Didukung oleh

Mengapa Anda harus meninggalkan which()? Sering kali tidak perlu dan vektor boolean sudah cukup.

Misalnya, R memungkinkan Anda memilih elemen yang ditandai sebagai TRUE dalam vektor boolean:

condition <- x > 5
condition
#> [1] FALSE FALSE FALSE  TRUE  TRUE
x[condition]
#> [1] 6 7
Didukung oleh

Selain itu, ketika digabungkan dengan sum() atau mean(), vektor boolean dapat digunakan untuk mendapatkan jumlah atau proporsi nilai yang memenuhi suatu kondisi:

sum(condition)
#> [1] 2
mean(condition)
#> [1] 0.4
Didukung oleh

which() memberi tahu Anda indeks dari nilai TRUE:

which(condition)
#> [1] 4 5
Didukung oleh

Dan meski hasilnya tidak salah, ini memang tidak perlu. Misalnya, saya sering melihat orang menggabungkan which() dan length() untuk menguji apakah ada atau semua nilai bernilai TRUE. Sebagai gantinya, Anda hanya membutuhkan any() atau all():

x <- c(1, 2, 12)

# Using `which()` and `length()` to test if any values are greater than 10
if (length(which(x > 10)) > 0)
  print("At least one value is greater than 10")
#> [1] "At least one value is greater than 10"

# Wrapping a boolean vector with `any()`
if (any(x > 10))
  print("At least one value is greater than 10")
#> [1] "At least one value is greater than 10"

# Using `which()` and `length()` to test if all values are positive
if (length(which(x > 0)) == length(x))
  print("All values are positive")
#> [1] "All values are positive"

# Wrapping a boolean vector with `all()`
if (all(x > 0))
  print("All values are positive")
#> [1] "All values are positive"
Didukung oleh

Oh, dan ini menghemat sedikit waktu...

x <- runif(1e8)

system.time(x[which(x > .5)])
#>    user  system elapsed 
#>   1.156   0.522   1.686

system.time(x[x > .5])
#>    user  system elapsed 
#>   1.071   0.442   1.662
Didukung oleh

4. factor itu factor!

Pernah menghapus nilai dari factor dan mendapati level lama yang sudah tidak ada masih tersisa? Saya sering melihat berbagai cara kreatif untuk mengatasinya. Solusi paling sederhana sering kali hanya dengan membungkusnya lagi dengan factor().

Contoh ini membuat factor dengan empat level ("a", "b", "c", dan "d"):

# A factor with four levels
x <- factor(c("a", "b", "c", "d"))
x
#> [1] a b c d
#> Levels: a b c d

plot(x)
Didukung oleh

Jika Anda menghapus semua kasus dari satu level ("d"), level tersebut masih tercatat dalam factor:

# Drop all values for one level
x <- x[x != "d"]

# But we still have this level!
x
#> [1] a b c
#> Levels: a b c d

plot(x)
Didukung oleh

Cara super sederhana untuk menghapusnya adalah dengan menggunakan factor() lagi:

x <- factor(x)
x
#> [1] a b c
#> Levels: a b c

plot(x)
Didukung oleh

Ini biasanya solusi yang baik untuk masalah yang membuat banyak orang kesal. Jadi selamatkan diri Anda dari pusing dan factor itu factor!

5. Pertama Anda ambil $, lalu Anda dapatkan kekuatannya

Lain kali Anda ingin mengekstrak nilai dari kolom data.frame saat baris memenuhi suatu kondisi, tentukan kolom dengan $ sebelum baris dengan [.

Misalnya Anda menginginkan tenaga kuda (hp) untuk mobil dengan 4 silinder (cyl), menggunakan data mtcars. Anda bisa menulis salah satu dari ini:

# rows first, column second - not ideal
mtcars[mtcars$cyl == 4, ]$hp
#>  [1]  93  62  95  66  52  65  97  66  91 113 109

# column first, rows second - much better
mtcars$hp[mtcars$cyl == 4]
#>  [1]  93  62  95  66  52  65  97  66  91 113 109
Didukung oleh

Intinya, gunakan pendekatan kedua.

Tapi mengapa demikian?

Alasan pertama: singkirkan koma yang merepotkan itu! Saat Anda menentukan baris sebelum kolom, Anda harus ingat komanya: mtcars[mtcars$cyl == 4,]$hp. Saat Anda menentukan kolom terlebih dahulu, artinya sekarang Anda merujuk pada sebuah vektor, dan tidak perlu koma!

Alasan kedua: kecepatan! Mari uji pada data frame yang lebih besar:

# Simulate a data frame...
n <- 1e7
d <- data.frame(
  a = seq(n),
  b = runif(n)
)

# rows first, column second - not ideal
system.time(d[d$b > .5, ]$a)
#>    user  system elapsed 
#>   0.497   0.126   0.629

# column first, rows second - much better
system.time(d$a[d$b > .5])
#>    user  system elapsed 
#>   0.089   0.017   0.107
Didukung oleh

Pantas dicoba, bukan?

Namun, jika Anda ingin mengasah keterampilan sebagai ninja data frame R, saya sarankan belajar dplyr. Anda bisa mendapatkan gambaran yang baik di situs web dplyr atau benar-benar memahaminya melalui kursus online seperti Data Manipulation in R with dplyr di DataCamp.

Penutup

Terima kasih sudah membaca dan semoga ini bermanfaat bagi Anda.

Untuk pembaruan artikel terbaru, ikuti @drsimonj di Twitter, atau email saya di [email protected] untuk menghubungi.

Jika Anda menginginkan kode yang menghasilkan blog ini, lihat repositori GitHub blogR.

Lihat Panduan Memulai Tidyverse: Tutorial kami.