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，是否有利于在R功能内使用magrittr管道的情况？

Answer 1

在函数内部使用管道有利有弊。 最大的优点是，当您阅读代码时，更容易看到函数内发生的事情。 最大的缺点是错误信息变得难以解释，管道破坏了R的一些评估规则。

这是一个例子。 假设我们想对mtcars数据集进行无意义的转换。 这是我们用管道做到这一点的方法......

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

你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。 现在让我们看一下使用Dagwood Sandwich方法的时间码...

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

更难阅读，即使它给我们相同的结果......

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

避免使用管道或Dagwood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......

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

比上一个函数更可读，R会在出现错误时为您提供更详细的信息。 此外，它遵循传统的评估规则。 同样，它给出了与其他两个函数相同的结果......

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

你特别询问了速度，所以让我们通过运行它们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

即使在这个简单的例子中，管道也比其他两个选项慢一点。

结论

如果这是您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尽可能快地使用代码，那么请切换到不同的范例。