理解管道和magrittr语法

Question

我正在试验管道和磁磁仪的包装。虽然它似乎有点容易理解，但我很难理解如何用管道编写条件子集。

对于dataset，您可以使用“filter”函数和其他函数，但是对于向量(至少对我来说)它变得不清楚了。

例如，如果我希望子集值大于2，那么我应该如何做呢？我知道有假名，但他们昨天做了些奇怪的事。

我想了解如何使用[**and** <**for示例编写管道，但也使用别名。**能给我提供一些示例并比较这两种语法吗？喜欢

1)对向量进行细分并检索大于/低于2的值

2)如何组合两个逻辑表达式(我通常使用的是&或.)

Num1 <- 
DataSet$myvariable %>% 
strsplit(split = " ") %>% 
lengths() %>% is_less_than(2) %>% #subset?

如何提取值时，我有我的真假？

非常感谢

Answer 1

我想我找到了我问题的部分答案。

首先用于语法：

%>% is_less_than(2) #would be equivalent to
%>% `<`(2) # I didn't know about the parenthesis here

如果有一个关于magrittr的更详细的文档和许多例子，我很乐意知道它。

第二，关于子集，可以这样写成：

AssignData <- Vector %>%
purrr::keep(., `<`(., 2)) 

以及进一步

AssignData <- DATASET %$% SOME OPERATIONS THAT GIVES A VECTOR (split?) %>%
`<`(2) %>% 
which %>%
DATASET[.,]

根据向量中的某些准则从数据集中提取某些内容。

Answer 2

若要用条件对向量进行子集，可以执行以下操作：

library(magrittr)

1:10 %>%  `<`(5) %>%  `[`(1:10,.)

或者：

1:10 %>% `<`(5) %>% (1:10)[.]
# [1] 1 2 3 4

这些措施相当于：

(1:10)[1:10 < 5]

我之所以把.放在1:10之后，在[(1:10，.)中，但将它(隐式地)放在<(5)中的5之前，是因为对于后者，我是在向量1:10中喂食，而对于前者，我是在1:10 < 5的条件下进食。

若要从向量中用条件子集数据集，请执行以下操作：

mtcars$cyl %>% `<`(5) %>% `[`(mtcars, ., )

或者：

mtcars$cyl %>% `<`(5) %>% mtcars[.,] 

这些措施相当于：

mtcars[mtcars$cyl < 5,]

[(mtcar，. )中的额外逗号是必需的，因为您正在设置向量的数据整数，就像(1:10)[1:10 < 5]和mtcars[mtcars$cyl < 5,]之间的区别一样。

结果：

                mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Merc 240D      24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230       22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Toyota Corona  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Fiat X1-9      27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Volvo 142E     21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2