6

Considere as funções dos seguintes packages:

dplyr

library(dplyr)

gorup_by_

summarise_

mutate_

transmute_

tidyr

library(tidyr)

gather_

spread_

separate_

unite_
  • Qual é a utilidade destas funções?
  • Quando devo utilizá-las em detrimento das outras funções sem o underline ao final?

data.frame reproduzível:

set.seed(4321)

dataset <- data.frame(replicate(6, runif(30, 20, 100)), 
                      X7 = rep(c('a', 'b', 'c'), 10, 3))

1 Resposta 1

6

O motivo dessas funções existirem ainda hoje é histórico.

O dplyr foi pensando em quem programa interativamente, por isso ele fornece algumas facilidades para quem está programando como:

  • não ter que usar aspas para colocar o nome das variáveis
  • não usar o nome do data.frame o tempo todo.

Exemplos:

library(dplyr)
mtcars <- mtcars %>% 
  mutate(cyl = cyl*2)

mtcars$cyl <- mtcars$cyl * 2

Isso faz com que o usuário seja mais produtivo na hora que está programando. O que torna isso possível é o uso do que é chamado de Non Standard Evaluation (NSE). NSE faz com que seja mais agradável programar interativamente, mas torna o código mais complicado quando você quer criar funções mais gerais.

Por exemplo, não é muito intuitivo como fazer no dplyr se você quiser que o nome de uma nova variável venha do valor de uma variável:

> variavel <- "cyl"
> 
> mtcars %>% 
+   mutate(variavel = variavel *2)
Error in variavel * 2 : non-numeric argument to binary operator

O dplyr não usa o valor cyl da variável. Na verdade ele está tentando criar uma nova variável chamada variavel cujo valor será "cyl" * 2 e isso dá um erro.

Durante o tempo, os autores do dplyr propuseram diversas formas de resolver esse problema. Uma delas foi incluir as funções equivalentes mas com um _ no final.

Essas funções usavam Standard Evaluation e portanto, eram úteis na hora de criar as suas próprias funções, o que é chamado de programar com dplyr.

Veja como era esquisita a sintaxe usando o mutate_ por exemplo:

variavel <- "cyl"
mtcars %>% 
  mutate_(
    .dots = 
      list(lazyeval::interp(~ 2*(var), var = as.name(variavel))) %>% setNames(variavel)
    )

No entanto agora o dplyr usa um conceito chamado Tidy Evaluation e essa é agora a forma recomendada de se programar com dplyr. Exemplo:

variavel <- "cyl"
mtcars %>% 
  mutate(!!sym(variavel) := 2*!!sym(variavel))

Em resumo, respondendo as suas perguntas:

  • Elas eram úteis para se programar com dplyr.
  • Não devem ser utilizadas. A forma recomendada é usar Tidy Evaluation.

Você pode encontrar aqui a versão da vignette que introduziu essa conceito.

Hoje em dia a documentação do dplyr sobre essas funções diz:

dplyr used to offer twin versions of each verb suffixed with an underscore. These versions had standard evaluation (SE) semantics: rather than taking arguments by code, like NSE verbs, they took arguments by value. Their purpose was to make it possible to program with dplyr. However, dplyr now uses tidy evaluation semantics. NSE verbs still capture their arguments, but you can now unquote parts of these arguments. This offers full programmability with NSE verbs. Thus, the underscored versions are now superfluous.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .