R 管道（Pipes）新手教程

您是否想进一步学习如何用 dplyr 在 R 中整理与变换数据？欢迎查看我们的课程 使用 dplyr 进行 R 语言数据操作。

R 中的管道运算符：简介

要理解 R 中的管道运算符是什么、能做什么，就有必要放到更大的背景下，了解其历史。诸如“这个奇怪的符号组合从何而来、为什么会这样设计？”之类的问题，也许正萦绕在您心头。本节将为您解答这些以及更多问题。

考察历史可以从三个视角展开：数学视角、编程语言整体视角，以及 R 语言自身的视角。接下来我们将一一涉及！

R 中管道运算符的历史

数学渊源

如果有两个函数，设 $f : B → C$ 和 $g : A → B$，您可以把一个函数的输出作为下一个函数的输入来“串联”。简言之，“串联”就是把中间结果传递给下一个函数，稍后您会看到更多示例。

例如，可写作 $f(g(x))$：其中 $g(x)$ 作为 $f()$ 的输入，而 $x$ 当然作为 $g()$ 的输入。

若要记号化表示，常用 $f ◦ g$，读作“f 接在 g 之后”。或者，您也可以用如下方式直观表示：

图片来源：James Balamuta

其他编程语言中的管道运算符

正如本节开头所述，这并非编程中的新事物：在 Shell 或终端中，您可以用管道字符 | 将一个命令的输出传递给下一个命令。类似地，F# 具有前向管道运算符，这一点稍后会显得尤为重要！最后，Haskell 也包含许多源自 Shell/终端的管道操作。

R 中的管道

了解了其他语言中的管道历史后，我们把目光转向 R。R 中该运算符的历史始于 2012 年 1 月 17 日，一位匿名用户在这篇 Stack Overflow 帖子中提问：

如何在 R 中实现 F# 的前向管道运算符？该运算符能轻松串联一系列计算。例如，当有一个输入数据并想依次调用函数 foo 和 bar 时，可以写 data |> foo |> bar？

答案来自麦克马斯特大学教授 Ben Bolker，他回复道：

我不确定在真实使用场景下表现如何，但下面这个（？）看起来能实现您想要的效果，至少针对单参数函数……

"%>%" <- function(x,f) do.call(f,list(x))
pi %>% sin
[1] 1.224606e-16
pi %>% sin %>% cos
[1] 1
cos(sin(pi))
[1] 1
技术支持

大约九个月后，Hadley Wickham 在 GitHub 上启动了 dplyr 包。您或许认识 Hadley（现任 RStudio 首席科学家），他是许多流行R 包（包括这个包！）的作者，也是我们课程R 函数编写入门的讲师。

不过，直到 2013 年该包中才首次出现管道 %.%。正如 Adolfo Álvarez 在博文中提到的，相关函数被命名为 chain()，旨在简化将多个函数应用于单个R 数据框的记法。

%.% 管道并未存在太久。2013 年 12 月 29 日，Stefan Bache 提出了一个替代方案，其中包含了如今大家熟悉的运算符：

iris %>%
  subset(Sepal.Length > 5) %>%
  aggregate(. ~ Species, ., mean)
技术支持

Bache 继续打磨该管道操作，并在 2013 年底发布了 magrittr 包。与此同时，Hadley Wickham 继续推进 dplyr 的开发，并于 2014 年 4 月将 %.% 运算符替换为如今的 %>%。

同年稍后，Kun Ren 在 GitHub 上发布了 pipeR 包，引入了另一个不同的管道运算符 %>>%，以提升管道过程的灵活性。不过，可以说 %>% 现已在 R 语言中站稳脚跟，尤其随着 Tidyverse 的流行。

什么是 R 的管道运算符？

了解历史是一方面，但这并不能直接告诉您 F# 的前向管道运算符究竟是什么、在 R 中实际上做什么。

在 F# 中，前向管道运算符 |> 是链式方法调用的语法糖。更简单地说，它允许您把中间结果传递给下一个函数。

请记住，“串联”意味着您调用多个方法。随着每个方法返回一个对象，您实际上可以在一条语句中把这些调用串在一起，而无需用变量存储中间结果。

在 R 中，管道运算符如您所见是 %>%。如果您不熟悉 F#，可以把它类比为 ggplot2 语句中的 +。其功能与 F# 运算符非常相似：把前一条语句的输出作为下一条语句的输入。描述它时，您可以把它理解为一个“然后”。

例如，看看下面这段代码，并大声读出来：

iris %>%
  subset(Sepal.Length > 5) %>%
  aggregate(. ~ Species, ., mean)
技术支持

没错，上面的代码可以读作“取 Iris 数据，然后对数据进行子集筛选，然后进行聚合”。

这正是 Tidyverse 的强大之处之一。事实上，一系列标准化的处理步骤串联起来，就称为“管道（pipeline）”。为某种数据格式构建管道非常有用，因为您可以把该管道应用到具有相同格式的后续数据上，例如最终输出为 ggplot2 友好的格式。

为什么要使用 R 管道？

R 是一门函数式语言，这意味着您的代码里常常充满括号 ( 和 )。当代码变复杂时，您往往不得不进行多层嵌套，这会让 R 代码难以阅读和理解。这时，%>% 就能派上用场！

看看下面这个典型的嵌套代码示例：

# 初始化 `x`
x <- c(0.109, 0.359, 0.63, 0.996, 0.515, 0.142, 0.017, 0.829, 0.907)

# 计算 `x` 的对数，返回适当滞后并迭代的差分，
# 计算指数函数并对结果四舍五入
round(exp(diff(log(x))), 1)
技术支持

1. 3.3
2. 1.8
3. 1.6
4. 0.5
5. 0.3
6. 0.1
7. 48.8
8. 1.1

借助 %<%，您可以将上述代码改写为：

# 导入 `magrittr`
library(magrittr)

# 对 `x` 执行与上面相同的计算
x %>% log() %>%
    diff() %>%
    exp() %>%
    round(1)
技术支持

这看起来难吗？别担心！稍后在本教程中您会学到更多如何这样编写。

注意，要使上述代码运行，您需要导入 magrittr 库。因为管道运算符正如上文所述属于 magrittr，并自 2014 年起也成为 dplyr 的一部分。如果忘记导入库，您会看到类似 Error in eval(expr, envir, enclos): could not find function "%>%" 的错误。

另外需要注意的是，在 log、diff 和 exp 后面并不强制要求加括号，但在 R 社区中，一些人会用它来增强代码可读性。

简而言之，使用 R 管道的四个理由：

• 您将按从左到右的顺序组织数据操作，而非从内到外；
• 避免嵌套函数调用；
• 尽量减少对局部变量与函数定义的需求；以及
• 便于在操作序列中的任意位置添加步骤。

这些理由摘自magrittr 文档。可见其背后的核心诉求是可读性与灵活性。

其他管道

尽管 %>% 是 magrittr 包的（主要）管道运算符，但该包中还有其他几个值得了解的运算符：

• 复合赋值运算符 %<>%；

# 初始化 `x` 
x <- rnorm(100)

# 更新 `x` 的值并回写给 `x`
x %<>% abs %>% sort
技术支持

• 分流（tee）运算符 %T>%；

rnorm(200) %>%
matrix(ncol = 2) %T>%
plot %>% 
colSums
技术支持

注意，目前先知道上面的代码片段实际上是以下形式的简写即可：

rnorm(200) %>%
matrix(ncol = 2) %T>%
{ plot(.); . } %>% 
colSums
技术支持

稍后您会看到更多相关内容！

• 展开（exposition）管道运算符 %$%。

data.frame(z = rnorm(100)) %$% 
  ts.plot(z)
技术支持

当然，这三个运算符与主力的 %>% 运算符在工作方式上略有不同。您将在本教程后续部分看到它们的功能与用法。

注意，尽管最常见的是 magrittr 的管道，您在实践中也可能遇到其他管道！比如 wrapr 的点箭头管道 %.>% 或 to dot 管道 %>.%，以及“Bizarro 管道” ->.;。

如何在 R 中使用管道

现在您已了解 %>% 的起源、它是什么以及为什么要用它，接下来看看如何真正将其用于实战。您会发现它有不少用法！

基础管道用法

在深入更高级的用法前，先看看使用该运算符的最基础示例。实质上，初学时可遵循三条规则：

• f(x) 可改写为 x %>% f

简而言之，对于只接收一个参数的函数 function(argument)，可改写为 argument %>% function()。请看下面更实用的例子，理解两者如何等价：

# 计算 `x` 的对数 
log(x)

# 计算 `x` 的对数 
x %>% log()
技术支持

• f(x, y) 可改写为 x %>% f(y)

当然，许多函数并非只接收一个参数，而是多个。就像这里：函数接收 x 和 y 两个参数。类似第一个例子，您可按 argument1 %>% function(argument2) 的结构改写，其中 argument1 是 magrittr 占位符，argument2 是函数调用中的另一参数。

这些听起来仍较抽象。看看更实际的例子：

# 对 pi 四舍五入
round(pi, 6)

# 对 pi 四舍五入 
pi %>% round(6)
技术支持

• x %>% f %>% g %>% h 可改写为 h(g(f(x)))

这看似复杂，但放到真实 R 示例就很直观：

# 导入 `babynames` 数据
library(babynames)
# 导入 `dplyr` 库
library(dplyr)

# 加载数据
data(babynames)

# 统计名为 "Taylor" 的新生男婴数量
sum(select(filter(babynames,sex=="M",name=="Taylor"),n))

# 用 `%>%` 实现同样的操作
babynames%>%filter(sex=="M",name=="Taylor")%>%
            select(n)%>%
            sum
技术支持

注意 改写嵌套代码时您是从内到外工作：先放入 babynames，然后用 %>% 先 filter() 数据，接着 select 出 n，最后 sum() 求和。

也请记住，在本教程开头我们已将一段嵌套代码改写为更易读的版本，即用 log()、diff()、exp() 和 round() 对 x 进行计算。

使用当前环境的函数

可惜的是，上述通用规则也有例外。下面看几个例子。

考虑使用 assign() 函数将值 10 赋给变量 x：

# 将 `10` 赋给 `x`
assign("x", 10)

# 将 `100` 赋给 `x` 
"x" %>% assign(100)

# 返回 `x`
x
技术支持

10

您会发现结合管道的第二次 assign() 调用并未如预期工作。x 的值没有更新。

为什么？

因为该函数把新值 100 赋给了 %>% 使用的一个临时环境。因此若要在管道中使用 assign()，您必须显式指定环境：

# 定义您的环境
env <- environment()

# 将环境传递给 `assign()`
"x" %>% assign(100, envir = env)

# 返回 `x`
x
技术支持

100

惰性求值的函数

在 R 中，函数的参数只有在函数真的使用它们时才会被计算。这意味着在调用函数前不会预先计算任何参数，也意味着管道会依次计算函数的每个元素。

tryCatch() 是一个可能出问题的地方，它允许您捕获并处理错误，如下例所示：

tryCatch(stop("!"), error = function(e) "An error")

stop("!") %>% 
  tryCatch(error = function(e) "An error")
技术支持

'An error'

Error in eval(expr, envir, enclos): !
Traceback:


1. stop("!") %>% tryCatch(error = function(e) "An error")

2. eval(lhs, parent, parent)

3. eval(expr, envir, enclos)

4. stop("!")
技术支持

可见嵌套写法工作正常，而管道写法会报错。其他具有相同行为的 base R 函数还有 try()、suppressMessages() 和 suppressWarnings()。

参数占位符

在某些情况下，您可以把管道运算符用作参数占位符。请看以下示例：

• f(x, y) 可改写为 y %>% f(x, .)

在有些情形下，您并不希望将值或 magrittr 占位符放在函数调用的第一个位置——此前的示例都是这样。再看这行代码：

pi %>% round(6)
技术支持

若改写，上述代码会让 pi 成为 round() 的第一个参数。但如果您想替换第二个、第三个……参数，并让它成为函数调用的 magrittr 占位符呢？

看看这个例子，其中该值实际上位于函数调用的第三个位置：

"Ceci n'est pas une pipe" %>% gsub("une", "un", .)
技术支持

'Ceci n\'est pas un pipe'

• f(y, z = x) 可改写为 x %>% f(y, z = .)

同样地，您也可能希望将函数调用中某个特定参数的值设置为 magrittr 占位符。考虑下面这行代码：

6 %>% round(pi, digits=.)
技术支持

在属性中重复使用占位符

在右侧表达式中多次使用占位符是直观的。然而，当占位符仅出现在嵌套表达式中时，magrittr 仍会应用“第一个参数”规则，这是因为大多数情况下这样可产生更简洁的代码。

下面是处理嵌套函数调用中参数占位符时可以参考的一些“一般规则”：

• f(x, y = nrow(x), z = ncol(x)) 可改写为 x %>% f(y = nrow(.), z = ncol(.))

# 初始化矩阵 `ma` 
ma <- matrix(1:12, 3, 4)

# 返回输入值中的最大值
max(ma, nrow(ma), ncol(ma))

# 返回输入值中的最大值
ma %>% max(nrow(ma), ncol(ma))
技术支持

12

12

可以通过用花括号包裹右侧表达式来覆盖这种行为：

• f(y = nrow(x), z = ncol(x)) 可改写为 x %>% {f(y = nrow(.), z = ncol(.))}

# 只返回 `nrow(ma)` 与 `ncol(ma)` 中的最大值
ma %>% {max(nrow(ma), ncol(ma))}
技术支持

4

最后再看一个例子，您也许会希望调整嵌套函数调用中占位符的行为：

# 需要改写的函数
paste(1:5, letters[1:5])

# 使用点占位符的嵌套调用
1:5 %>%
  paste(., letters[.])
技术支持

1. '1 a'
2. '2 b'
3. '3 c'
4. '4 d'
5. '5 e'

1. '1 a'
2. '2 b'
3. '3 c'
4. '4 d'
5. '5 e'

您会看到，如果占位符只在嵌套调用中使用，magrittr 仍会把占位符放到第一个参数位置！若要避免这种情况，可以使用花括号 { 与 }：

# 带点占位符与花括号的嵌套调用
1:5 %>% {
  paste(letters[.])
}

# 改写上述调用 
paste(letters[1:5])
技术支持

1. 'a'
2. 'b'
3. 'c'
4. 'd'
5. 'e'

1. 'a'
2. 'b'
3. 'c'
4. 'd'
5. 'e'

构建一元函数

一元函数是只接收一个参数的函数。任何由一个点 . 开始、后接若干函数，并以 %>% 串联起来的管道，日后都可以作为函数应用到值上。请看下面这样的管道例子：

. %>% cos %>% sin
技术支持

该管道会接收某个输入，然后对其先后应用 cos() 与 sin() 函数。

但还差一步！若要让该管道如上文所述那样工作，您需要先把它赋给一个变量，例如 f。之后即可复用它，对其他值执行管道中包含的操作。

# 一元函数
f <- . %>% cos %>% sin 

f
技术支持

structure(function (value) 
freduce(value, `_function_list`), class = c("fseq", "function"
))技术支持

另请记住，若想提高可读性，您也可以在 cos() 与 sin() 后加括号。同样的例子加上括号即为：. %>% cos() %>% sin()。

您看，在 magrittr 中构建函数与在 base R 中构建函数非常相似！若不确定它们到底有多相似，请比较上面的代码与下一行代码；两者结果相同！

# 等价于 
f <- function(.) sin(cos(.)) 

f
技术支持

function (.) 
sin(cos(.))技术支持

复合赋值管道操作

在某些情况下，您希望覆盖左侧的值，就像下面的例子。直觉上，您会使用赋值运算符 <-。

# 读取 Iris 数据
iris <- read.csv(url("http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"), header = FALSE)

# 为 Iris 数据添加列名
names(iris) <- c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species")

# 计算 `iris$Sepal.Length` 的平方根并赋回变量
iris$Sepal.Length <- 
  iris$Sepal.Length %>%
  sqrt()
技术支持

不过，还有一个复合赋值管道运算符，它允许您用更简洁的记法把管道的结果立即赋给左侧：

# 计算 `iris$Sepal.Length` 的平方根并赋回变量
iris$Sepal.Length %<>% sqrt

# 返回 `Sepal.Length`
iris$Sepal.Length
技术支持

注意，复合赋值运算符 %<>% 必须是链中的第一个管道运算符才能生效。这与您刚读到的“它是更长重复写法的简写形式（使用常规 <- 赋值）”完全一致。

因此，该运算符会把管道的结果赋值，而不是返回它。

使用 tee 运算符的分流操作

tee 运算符的工作方式与 %>% 完全一致，但它返回的是左侧的值，而不是右侧操作可能产生的结果。

这意味着在包含“具有副作用”的函数（如使用 plot() 作图或输出到文件）时，tee 运算符很有用。

换言之，像 plot() 这样的函数通常不返回任何内容。这意味着例如在调用 plot() 之后，您的管道会终止。然而，在下面的示例中，tee 运算符 %T>% 允许您在使用 plot() 之后继续管道：

set.seed(123)
rnorm(200) %>%
matrix(ncol = 2) %T>%
plot %>% 
colSums
技术支持

使用展开运算符暴露数据变量

在 R 中，您会发现许多函数都有 data 参数。例如 lm() 函数 或 with() 函数。当您的数据先被处理、再传入函数时，这些函数在管道中很有用。

对于没有 data 参数的函数，比如 cor()，如果能暴露数据中的变量同样很方便。这就是 %$% 运算符的用武之地。看如下示例：

iris %>%
  subset(Sepal.Length > mean(Sepal.Length)) %$%
  cor(Sepal.Length, Sepal.Width)
技术支持

0.336696922252551

借助 %$%，您确保 Sepal.Length 与 Sepal.Width 可被 cor() 直接访问。同样地，您也看到 data.frame() 中的数据被传递给 ts.plot()，在同一图上绘制多条时间序列：

data.frame(z = rnorm(100)) %$%
  ts.plot(z)
技术支持

dplyr 与 magrittr

在本教程的介绍中，您已经了解到 dplyr 与 magrittr 的开发几乎同步，约在 2013–2014 年间。且如上所述，magrittr 也是 Tidyverse 的一部分。

本节将向您展示在 R 代码中结合这两个包会多么出彩。

对 dplyr 新手而言，需要知道这个包围绕五个动词构建，即 “select” “filter” “arrange” “mutate” 和 “summarize”。如果您做过数据科学项目的数据处理，会知道这些动词覆盖了大多数常见的数据操作任务。

下面是一段使用这些 dplyr 函数的传统代码：

library(hflights)

grouped_flights <- group_by(hflights, Year, Month, DayofMonth)
flights_data <- select(grouped_flights, Year:DayofMonth, ArrDelay, DepDelay)
summarized_flights <- summarise(flights_data, 
                arr = mean(ArrDelay, na.rm = TRUE), 
                dep = mean(DepDelay, na.rm = TRUE))
final_result <- filter(summarized_flights, arr > 30 | dep > 30)

final_result
技术支持

看到这个例子，您会立刻明白为什么 dplyr 与 magrittr 配合得如此出色：

hflights %>% 
    group_by(Year, Month, DayofMonth) %>% 
    select(Year:DayofMonth, ArrDelay, DepDelay) %>% 
    summarise(arr = mean(ArrDelay, na.rm = TRUE), dep = mean(DepDelay, na.rm = TRUE)) %>% 
    filter(arr > 30 | dep > 30)
技术支持

两段代码都不算短，但若要顺着操作过程一步步跟进，第二段更为清晰。第一段中创建了多个中间变量，可能会打断代码的“流动性”。使用 %>%，您可以更清楚地总览对数据执行的各项操作！

简而言之，dplyr 与 magrittr 是您在 R 中操纵数据的梦幻组合！

RStudio 中的管道快捷键

在 R 代码里不断加入管道可能会让人吃力！为此，Win-Vector, LLC 的联合创始人兼首席顾问、DataCamp 讲师 John Mount 发布了一个包含 RStudio 插件（add-ins）的包，帮助您为管道创建键盘快捷键。Addin 本质上是带有一些特殊注册元数据的 R 函数。一个简单的 addin 可以是插入常用文本片段的函数，也可以非常复杂！

借助这些 addin，您可以在 RStudio IDE 中交互式地执行 R 函数，既可使用快捷键，也可通过 Addins 菜单。

注意，该包实际上是对 RStudio 原始 add-in 包的一个 fork。需要留意的是，Addins 的支持仅在 RStudio 的最新版本中提供！想了解更多，请查阅关于 RStudio addins 的文章。

您可以从 GitHub 下载这些 add-ins 与快捷键。

何时不该在 R 中使用管道运算符

上文已看到，在使用 R 编程时，管道的确值得一用。尤其在若干场景中，它们非常有用！不过，Hadley Wickham 在 《R for Data Science》中也概括了几类应尽量避免使用的情况：

• 您的管道长度超过（比如）十步。

在这种情况下，建议创建有意义名称的中间对象。这不仅能让您更容易调试代码，也能让您与他人更好地理解代码。

• 存在多个输入或输出。

如果您不是在变换一个主对象，而是需要将两个或多个对象组合在一起，最好不要使用管道。

• 您开始考虑一个具有复杂依赖结构的有向图。

管道从根本上是线性的，用它来表达复杂关系只会导致又长又难读的代码。

• 您在做内部包开发。

在内部包开发中使用管道是不推荐的，因为这会增加调试难度！

如需更多思考，请查看这条 Stack Overflow 讨论。其中还提到了循环、包依赖、参数顺序与可读性等情形。

简而言之，可以这样概括：牢记让这一构造出色的两点——可读性与灵活性。一旦这两大优势之一被削弱，您就应考虑采用管道之外的替代方案。

R 中的管道替代方案

读到这里，您或许也对 R 语言中可用的一些替代方案感兴趣。本文中提到的解决思路包括：

• 使用有意义名称的中间变量；

与其将所有操作串成一条链并输出单个结果，不如拆分链条，并把中间结果分别保存到变量。注意变量命名：目标始终是让代码尽可能易懂！

• 将代码嵌套，按从内到外的顺序阅读；

有人对管道的一个可能反对意见是：它与 base R 的“阅读流”相悖。那么就继续使用嵌套代码吧！但如果您既不喜欢管道，又觉得嵌套也容易混乱？可以用缩进来强调层级结构。

结语

在本教程中，您已经覆盖了大量关于 R 管道的内容：了解了 %>% 的来历、它究竟是什么、为什么要用、以及如何使用。您也看到 dplyr 与 magrittr 的绝佳配合，以及更多其他运算符。最后，还了解了在 R 编程时不宜使用管道的若干情形，以及在这些情况下可以采用的替代方案。

如果您有兴趣进一步学习 Tidyverse，欢迎考虑 DataCamp 的课程 Tidyverse 入门。