在过滤的每个步骤打印数据框尺寸

Question

我正在使用 tidyverse 过滤数据框，并希望在中间对象的维度（或 nrows）的每一步打印。我以为我可以简单地使用 magrittr 的三通管操作员，但它不起作用。我想我了解 T 形管背后的概念，但无法弄清楚哪里出了问题。我进行了广泛的搜索，但没有找到太多关于三通管的资源。

我用 mtcars 数据集构建了一个简单的示例。打印中间对象有效，但如果我用 dim() 或 nrow() 替换则无效。

library(tidyverse)
library(magrittr)

mtcars %>% 
    filter(cyl > 4) %T>% dim() %>%
    filter(am == 0) %T>% dim() %>%
    filter(disp >= 200) %>% dim()

我当然可以用 R base 编写，但我想坚持 tidyverse 精神。我可能忽略了一些关于 T 形管概念的东西，任何 comments/solutions 将不胜感激。

编辑： 在@hrbrmstr 和@akrun 快速而漂亮的回答之后，我再次尝试在不编写函数的情况下坚持使用 T 型管道运算符。我不知道为什么我自己没有早点找到答案，但这是我正在寻找的语法：

mtcars %>% filter(cyl > 4) %T>% {print(dim(.))} %>% filter(am == 0) %T>% {print(dim(.))} %>% filter(disp >= 200) %>% {print(dim(.))}

尽管需要一个函数，@hrbrmstr 解决方案确实更容易"clean up"。

Answer 1

我们可以在 {}

中使用 print

mtcars %>%
   filter(cyl > 4) %>%
   {print(dim(.))
    filter(., am == 0) } %>%
   {print(dim(.))
    filter(., disp >= 200)} %>%
   {print(dim(.))
   .}
#[1] 21 11
#[1] 16 11
#[1] 14 11
#    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#1  21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
#2  18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
#3  18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#4  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#5  16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
#6  17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
#7  15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
#8  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
#9  10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
#10 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
#11 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
#12 15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
#13 13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
#14 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2

Answer 2

@akrun 的想法可行，但它不是惯用的 tidyverse。 tidyverse 中的其他函数，如 print() 和 glimpse() return 数据参数是不可见的，因此它们可以在不诉诸 {} 的情况下通过管道传输。这些 {} 让您在探索完正在发生的事情后很难清理管道。

尝试：

library(tidyverse)

tidydim <- function(x) {
  print(dim(x))
  invisible(x)
}

mtcars %>%
  filter(cyl > 4) %>%
  tidydim() %>% 
  filter(., am == 0) %>%
  tidydim() %>% 
  filter(., disp >= 200) %>%
  tidydim()

这样你的"cleanup"（即不产生临时控制台输出）可以quickly/easily删除tidydim()行或删除print(…) 来自函数。

Answer 3

库 magrittr 中的管道 %T>% 就是为这种情况创建的：

library(magrittr)
library(dplyr)
mtcars %>%
  filter(cyl > 4)     %T>% {print(dim(.))} %>%
  filter(am == 0)     %T>% {print(dim(.))} %>%
  filter(disp >= 200) %T>% {print(dim(.))}

使用 alt + selection 在 Rstudio 中阅读和编辑非常容易，如果你和我一样。

如果你不喜欢括号，也可以在这里使用@hrbrmstr 的函数，除非你不需要最后一行。

几个月后重温这里有一个概括@hrbmst 解决方案的想法，因此您可以打印几乎所有您想要的内容和return 管道进行的输入。

library(tidyverse)
pprint <- function(.data,.fun,...){
  .fun <- purrr::as_mapper(.fun)
  print(.fun(.data,...))
  invisible(.data)
}

iris %>%
  pprint(~"hello")           %>%
  head(2)                    %>%
  select(-Species)           %>%
  pprint(rowSums,na.rm=TRUE) %>%
  pprint(~rename_all(.[1:2],toupper)) %>%
  pprint(dim)

# [1] "hello"
#    1    2 
# 10.2  9.5 
#   SEPAL.LENGTH SEPAL.WIDTH
# 1          5.1         3.5
# 2          4.9         3.0
# [1] 2 4

在过滤的每个步骤打印数据框尺寸

Print data frame dimensions at each step of filtering

r

magrittr

tidyverse