R语言高效的管道操作magrittr

作者：张丹，R语言中文社区专栏特邀作者，《R的极客理想》系列图书作者，民生银行大数据中心数据分析师，前况客创始人兼CTO。

个人博客  http://fens.me ， Alexa全球排名70k。

前言

使用R语言进行数据处理是非常方便的，几行代码就可以完成很复杂的操作。但是，对于数据的连续处理，还是有人觉得代码不好看，要么是长长的函数嵌套调用，有点像Lisp感觉，括号包一切；要么就是每次操作赋值一个临时变量，啰嗦。为什么就不能像 Linux 的管道一样优雅呢？

magrittr包在这样场景中被开发出来，通过管道的方式让连续复杂数据的处理操作，代码更短，更容易读，甚至一行代码可以搞定原来10行代码的事情。

目录

1. magrittr介绍

2. magrittr安装

3. magrittr包的基本使用

4. magrittr包的扩展功能

1. magrittr介绍

magrittr包被定义为一个高效的管道操作 工具 包，通过管道的连接方式，让数据或表达式的传递更高效，使用操作符%>%，可以直接把数据传递给下一个函数调用或表达式。magrittr包的主要目标有2个，第一是减少代码开发时间，提高代码的可读性和维护性；第二是让你的代码更短，再短，短短短…

magrittr包，主要定义了4个管道操作符，分另是%>%, %T>%, %$% 和 %<>%。其中，操作符%>%是最常用的，其他3个操作符，与%>%类似，在特殊的使用场景会起到更好的作用。当正确掌握这几个操作符后，你一定会爱不释手的，快去把所有的代码都重构吧，砍掉原来大段冗长的代码是一件多么令人激动的事情啊。

magrittr的项目主页： https://github.com/smbache/magrittr

2. magrittr安装

本文所使用的系统环境

• Win10 64bit

• R: 3.2.3 x86_64-w64-mingw32/x64 b4bit

magrittr是在CRAN发布的标准库，安装起来非常简单，2条命令就可以了。

~ R 
> install.packages('magrittr') 
> library(magrittr)

3. magrittr包的使用

对于magrittr包的使用，其实就是掌握这4个操作符的用法，向右操作符%>%, 向左操作符%T>%, 解释操作符%$% 和 复合赋值操作符%<>%。

3.1 %>% 向右操作符(forward-pipe operator)

%>%是最常用的一个操作符，就是把左侧准备的数据或表达式，传递给右侧的函数调用或表达式进行运行，可以连续操作就像一个链条一样。

现实原理如下图所示，使用%>%把左侧的程序的数据集A传递右侧程序的B函数，B函数的结果数据集再向右侧传递给C函数，最后完成数据计算。

比如，我们要做下面的事情。(这是一个YY的需求。)

1. 取10000个随机数符合，符合正态分布。

2. 求这个10000个数的绝对值，同时乘以50。

3. 把结果组成一个100*100列的方阵。

4. 计算方阵中每行的均值，并四舍五入保留到整数。

5. 把结果除以7求余数，并话出余数的直方图。

我们发现上面的5个过程是连续的，正常的代码我要怎么实现呢。

# 设置随机种子 
> set.seed(1) 
 
# 开始 
> n1<-rnorm(10000)# 第1步 
> n2<-abs(n1)*50  # 第2步 
> n3<-matrix(n2,ncol = 100)   # 第3步 
> n4<-round(rowMeans(n3)) # 第4步 
> hist(n4%%7) # 第5步

输出的直方图：

上面的代码写法是，每一行实现一个条件，但中间多了不少的临时变量。再看另外一种的写法，括号包一切。

# 设置随机种子 
> set.seed(1) 
> hist(round(rowMeans(matrix(abs(rnorm(10000))*50,ncol=100)))%%7)

输出的直方图：

我分别用两种常见的代码风格，实现了我们的需求。再看看%>%的方式，有多么的不一样。

# 设置随机种子 
> set.seed(1) 
 
# 开始 
> rnorm(10000) %>% 
+   abs %>% `*` (50)  %>% 
+   matrix(ncol=100)  %>% 
+   rowMeans %>% round %>% 
+   `%%`(7) %>% hist

输出的直方图：

一行代码，不仅搞定所有的事情，而且结构清楚，可读性非常强。这就是管道代码风格，带来的优雅和简约。

3.2 %T>% 向左操作符(tee operator)

%T>%向左操作符，其实功能和 %>% 基本是一样的，只不过它是把左边的值做为传递的值，而不是右边的值。这种情况的使用场景也是很多的，比如，你在数据处理的中间过程，需要打印输出或图片输出，这时整个过程就会被中断，用向左操作符，就可以解决这样的问题。

现实原理如下图所示，使用%T>%把左侧的程序的数据集A传递右侧程序的B函数，，B函数的结果数据集不再向右侧传递，而是把B左侧的A数据集再次向右传递给C函数，最后完成数据计算。

我们把上面的需求稍微进行调整，在最后增加一个要求，就会用到向左操作符。

1. 取10000个随机数符合，符合正态分布。

2. 求这个10000个数的绝对值，同时乘以50。

3. 把结果组成一个100*100列的方阵。

4. 计算方阵中每行的均值，并四舍五入保留到整数。

5. 把结果除以7求余数，并话出余数的直方图。

6. 对余数求和

由于输出直方图后，返回值为空，那么再继续管道，就会把空值向右进行传递，这样计算最后一步时就会出错。这时我们需求的是，把除以7的余数向右传递给最后一步求和，那么就可以用到 %T>% 了

直接使用%>%向右传值，出现异常。

> set.seed(1) 
> rnorm(10000) %>% 
+   abs %>% `*` (50)  %>% 
+   matrix(ncol=100)  %>% 
+   rowMeans %>% round %>% 
+   `%%`(7) %>% hist %>% sum 
Error in sum(.) : invalid 'type' (list) of argument

使用 %T>% 把左边的值，再向右传值，则结果正确。

> rnorm(10000) %>% 
+   abs %>% `*` (50)  %>% 
+   matrix(ncol=100)  %>% 
+   rowMeans %>% round %>% 
+   `%%`(7) %T>% hist %>% sum 
[1] 328

3.3 %$% 解释操作符(exposition pipe-operator)

%$% 的作用是把左侧数据的属性名传给右侧，让右侧的调用函数直接通过名字，就可以获取左侧的数据。比如，我们获得一个data.frame类型的数据集，通过使用 %$%，在右侧的函数中可以直接使用列名操作数据。

现实原理如下图所示，使用%$%把左侧的程序的数据集A传递右侧程序的B函数，同时传递数据集A的属性名，作为B函数的内部变量方便对A数据集进行处理，最后完成数据计算。

下面定义一个3列10行的data.frame，列名分别为x,y,z，或缺x列大于5的数据集。使用 %$% 把列名x直接传到右侧进行判断。这里.代表左侧的完整数据对象。一行代码就实现了需求，而且这里不需要显示的定义中间变量。

> set.seed(1) 
> data.frame(x=1:10,y=rnorm(10),z=letters[1:10]) %$% .[which(x>5),] 
    x          y z 
6   6 -0.8204684 f 
7   7  0.4874291 g 
8   8  0.7383247 h 
9   9  0.5757814 i 
10 10 -0.3053884 j

如果不使用%$%，我们通常的代码写法为：

> set.seed(1) 
> df<-data.frame(x=1:10,y=rnorm(10),z=letters[1:10]) 
> df[which(df$x>5),] 
    x          y z 
6   6 -0.8204684 f 
7   7  0.4874291 g 
8   8  0.7383247 h 
9   9  0.5757814 i 
10 10 -0.3053884 j

从代码中可以发现，通常的写法是需要定义变量df的，df一共要被显示的使用3次，就是这一点点的改进，会让代码看起来更干净。

3.4 %<>% 复合赋值操作符(compound assignment pipe-operator)

%<>%复合赋值操作符， 功能与 %>% 基本是一样的，对了一项额外的操作，就是把结果写到左侧对象。比如，我们需要对一个数据集进行排序，那么需要获得 排序 的结果，用%<>%就是非常方便的。

现实原理如下图所示，使用%<>%把左侧的程序的数据集A传递右侧程序的B函数，B函数的结果数据集再向右侧传递给C函数，C函数结果的数据集再重新赋值给A，完成整个过程。

定义一个符合正态分布的100个随机数，计算绝对值，并按从小到大的顺序排序，获得并取前10个数字赋值给x。

> set.seed(1) 
> x<-rnorm(100) %<>% abs %>% sort %>% head(10) 
> x 
 [1] 0.001105352 0.016190263 0.028002159 0.039240003 0.044933609 0.053805041 0.056128740 
 [8] 0.059313397 0.074341324 0.074564983

是不是太方便了，一行就实现了一连串的操作。但是这里同时有一个陷阱，需要注意一下 %<>% 必须要用在第一个管道的对象处，才能完成赋值的操作，如果不是左侧第一个位置，那么赋值将不起作用。

> set.seed(1) 
> x<-rnorm(100) 
 
# 左侧第一个位置，赋值成功 
> x %<>% abs %>% sort %>% head(10) 
> x 
 [1] 0.001105352 0.016190263 0.028002159 0.039240003 0.044933609 0.053805041 0.056128740 
 [8] 0.059313397 0.074341324 0.074564983 
 
# 左侧第二个位置，结果被直接打印出来，但是x的值没有变 
> x %>% abs %<>% sort %>% head(10) 
 [1] 0.001105352 0.016190263 0.028002159 0.039240003 0.044933609 0.053805041 0.056128740 
 [8] 0.059313397 0.074341324 0.074564983 
> length(x) 
[1] 10 
 
# 左侧第三个位置，结果被直接打印出来，但是x的值没有变 
> x %>% abs %>% sort %<>% head(10) 
 [1] 0.001105352 0.016190263 0.028002159 0.039240003 0.044933609 0.053805041 0.056128740 
 [8] 0.059313397 0.074341324 0.074564983 
> length(x) 
[1] 10

4. magrittr包的扩展功能

我们已经了解了magrittr包的4个操作符的使用，除了操作符，我们再看一下magrittr还有哪些功能。

• 符号操作符定义

• %>%对代码块的传递

• %>%对函数的传递

extract                   `[` 
extract2              `[[` 
inset                     `[<-` 
inset2                    `[[<-` 
use_series            `$` 
add                   `+` 
subtract              `-` 
multiply_by           `*` 
raise_to_power            `^` 
multiply_by_matrix    `%*%` 
divide_by             `/` 
divide_by_int             `%/%` 
mod                   `%%` 
is_in                     `%in%` 
and                   `&` 
or                    `|` 
equals                    `==` 
is_greater_than           `>` 
is_weakly_greater_than    `>=` 
is_less_than              `<` 
is_weakly_less_than   `<=` 
not (`n'est pas`)     `!` 
set_colnames              `colnames<-` 
set_rownames              `rownames<-` 
set_names             `names<-`

我们来看一下使用的效果。对一个包括10个随机数的向量的先*5再+5。

# 使用符号的写法 
> set.seed(1) 
> rnorm(10) %>% `*`(5) %>% `+`(5) 
 [1]  1.8677309  5.9182166  0.8218569 12.9764040  6.6475389  0.8976581  7.4371453  8.6916235 
 [9]  7.8789068  3.4730581 
 
# 使用函数的写法 
> set.seed(1) 
> rnorm(10) %>% multiply_by(5) %>% add(5) 
 [1]  1.8677309  5.9182166  0.8218569 12.9764040  6.6475389  0.8976581  7.4371453  8.6916235 
 [9]  7.8789068  3.4730581

> set.seed(1) 
> rnorm(10)    %>% 
+   multiply_by(5) %>% 
+   add(5)         %>% 
+   { 
+     cat("Mean:", mean(.), 
+         "Var:", var(.), "\n") 
+     sort(.) %>% head 
+   } 
Mean: 5.661014 Var: 15.23286 
[1] 0.8218569 0.8976581 1.8677309 3.4730581 5.9182166 6.6475389

> iris %>% 
+     (function(x) { 
+         if (nrow(x) > 2) 
+             rbind(head(x, 1), tail(x, 1)) 
+         else x 
+     }) 
    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species 
1            5.1         3.5          1.4         0.2    setosa 
150          5.9         3.0          5.1         1.8 virginica

这里x就是iris数据集，作为了函数的显示参数，被应用于后续的数据处理过程。

通过对magrittr的学习，我们掌握了一些特殊的R语言代码的编程技巧，用magrittr包写出的R语言程序，与传统的R语言代码是有区别，可以你的程序很简单、很高效。

天性“懒惰”的 程序员 总是会想各种办法，来减少自己的代码，让代码变得优雅，同时还能让程序更可靠。什么时候能把代码写得越来越少，那么你就越来越接近高手！

R的极客理想：量化投资篇

金融投资学理论

R语言数据处理

量化投资策略

三个维度

教你如何将 R语言 技术应用于 金融市场