Телеграмм чат группы rlang

Size: a a a

R language and Statistical data analysis

2020 March 12

АК

Артём Клевцов in R language and Statistical data analysis

?matrix
data  
an optional data vector (including a list or expression vector). Non-atomic classed R objects are coerced by as.vector and all attributes discarded.

как видим, ничего не discarded и не coerced. Баг или фича?
upd

class(as.vector(iris))
[1] "data.frame"

видать так и задумано
upd2
все равно только запутали все

> class(matrix(list(iris, iris), 2))
[1] "matrix"
> mode(matrix(list(iris, iris), 2))
[1] "list"
> typeof(matrix(list(iris, iris), 2))
[1] "list"

Список - это вектор и есть. typeof про хранение в памяти, а class - просто атрибут.

источник

21:04пожаловаться #1

АК

Артём Клевцов in R language and Statistical data analysis

Евгений Томилов

> make.names("АЛТ (гг/моль) %")
[1] "АЛТ..гг.моль..."

Блин, а. Во имя чего так.

Во имя добра и справедливости. Чтобы имена можно было исопльзовать в $ без `.

источник

21:05пожаловаться #2

ЕТ

Евгений Томилов in R language and Statistical data analysis

Артём Клевцов

Во имя добра и справедливости. Чтобы имена можно было исопльзовать в $ без `.

Да, это я понял. Это скорее от обуревания эмоциями возглас.

источник

21:06пожаловаться #3

Andrey in R language and Statistical data analysis

Артём Клевцов

Список - это вектор и есть. typeof про хранение в памяти, а class - просто атрибут.

так вот я и думаю, что с точки зрения реализации эта фигня все-таки остается (неатомарным) списком и никакие типично-матричные операции к ней неприменимы. Разве что транспонировать можно

источник

21:09пожаловаться #4

ЕТ

Евгений Томилов in R language and Statistical data analysis

data.frame(check.names = FALSE)

В общем, вот это решает мою проблему, мда. Никакого добра и справедливости.

источник

21:14пожаловаться #5

Philipp Upravitelev in R language and Statistical data analysis

а всего-то надо читать документацию и внимательнее смотреть на редко используемые аргументы :)

источник

21:21пожаловаться #6

Philipp Upravitelev in R language and Statistical data analysis

*пока мне студенты не показали value в grep(), так бы дураком и был

источник

21:22пожаловаться #7

ЕТ

Евгений Томилов in R language and Statistical data analysis

А как вы относитесь к %>%? Я заметил, что true-программисты, увидев код с пайпами, сразу впадают в ужас и требуют запилить больше промежуточных переменных.

источник

22:18пожаловаться #8

Philipp Upravitelev in R language and Statistical data analysis

я использую только в plotly, и то с трудом. ну, может быть, в rvest еще временами
в целом, не люблю

источник

22:20пожаловаться #9

Violet in R language and Statistical data analysis

Часто нечитабельно

источник

22:23пожаловаться #10

ЕТ

Евгений Томилов in R language and Statistical data analysis

А что вместо них делаете? Оборачивание функций или промежуточные переменные?

источник

22:26пожаловаться #11

Philipp Upravitelev in R language and Statistical data analysis

Евгений Томилов

А что вместо них делаете? Оборачивание функций или промежуточные переменные?

в зависимости от ситуации, само собой.
я в rvest обычно оборачиваю в функцию, если читабельности не мешает. иногда, редко, промежуточную переменную делаю
с плотли - все же пользуюсь пайпами. в редких случаях делаю промежуточную переменную.

источник

22:29пожаловаться #12

Andrey in R language and Statistical data analysis

в data.table свой чейнинг, не особо красивый - [][][], но юзать можно. := сильно сокращает потребность в промежуточных объектах

источник

22:33пожаловаться #13

Gleb Suvorov in R language and Statistical data analysis

можно [] %>% .[] и тогда и красиво и быстро

источник

22:35пожаловаться #14

Александр in R language and Statistical data analysis

Andrey

Мне наоборот кажется конструкция [][][][] вполне логичная и ясная, но это дело вкуса все же

источник

22:35пожаловаться #15

А[

Александр [capsula] in R language and Statistical data analysis

Евгений Томилов

Не тру программист, но при вращении данных использую, вполне приемлемо

источник

22:37пожаловаться #16

Andrey in R language and Statistical data analysis

я про внешний вид кода, бывает тяжело подровнять, с %>% проще. Так-то все логично, у меня обычно бывает одна дополнительная операция типа сортировки или выбора столбцов после большого выражения в первой паре [], то есть 5-10-... операций в цепочку не объединяю

источник

22:37пожаловаться #17

Andrey in R language and Statistical data analysis

со всеми вариантами чейнинга все хорошо, пока копипастишь и все работает либо пишешь сам и обратно все работает. Как только нужно дебажить или просто вносить правки в чужой код, быстрее всего оказывается разбить на отдельные операции с промежуточными присваиваниями

источник

22:39пожаловаться #18

Andrey in R language and Statistical data analysis

особенно если все было хорошо на игрушечном примере, а на реальных данных с >10кк строк полезли эрроры, и вся цепочка работает пару минут, прежде чем упасть

источник

22:40пожаловаться #19

ЕТ

Евгений Томилов in R language and Statistical data analysis

Спасибо всем.

источник

22:47пожаловаться #20