R magrittr 套件：在 R 中使用管線（Pipe）處理資料流

R 的 magrittr 套件提供了一個管線運算子，可以讓函數或運算式串聯在一起，以資料流的方式處理資料的傳遞。

在 Unix/Linux 系統上的各種指令都可以運用管線（pipe）的方式串接起來使用，以資料流的方式來處理各種資料，使用管線並不會改變程式實際執行的動作，主要的差異只在於讓程式碼更容易被撰寫與閱讀。

而在 R 中我們則可以使用 magrittr 套件來達到相同的效果，以下介紹 R 傳統的程式撰寫方式以及改用此套件後的寫法。

傳統方式

若要計算 LogSumExp 函數，以傳統的作法是這樣寫：

log(sum(exp(my.var)), exp(1))

這樣的寫法會讓許多函數與小括號擠在一起，造成程式碼不好閱讀，為了讓程式碼看起來更清晰，有些人會喜歡改成這樣的寫法：

my.var <- exp(my.var)
my.var <- sum(my.var)
log(my.var, exp(1))

這種寫法雖然可讓程式碼的邏輯很清楚的呈現出來，但是缺點就是 my.var 這個字眼重複出現好幾次。

以上兩種寫法各有優缺點，傳統的 R 語言寫法只能從兩者之間擇一使用，而後來新的 magrittr 套件結合上述兩種寫法的優點，提供了一種嶄新的簡潔語法。

magrittr 套件

magrittr 套件導入一種管線（pipe）的語法，以串流的方式來處理資料的運算，讓程式碼更簡潔、語意更清楚。以下是 magrittr 套件的使用方式教學與範例。

首先安裝並載入 magrittr 套件：

install.packages("magrittr")
library(magrittr)

%>% 管線運算子

magrittr 套件中最重要的功能就是 %>% 管線運算子，它的作用在於將左側的運算結果傳遞至右側函數的第一個參數，舉例來說，假側我們有一個傳統的 R 運算式如下：

exp(my.var)

這個運算式是將 my.var 傳遞至 exp 函數中進行冪運算，若以 %>% 管線運算子的方式，則可以改寫為：

my.var %>% exp()

在包含 %>% 的運算式中，若一個函數沒有其餘的參數，也可以將小括號省略，簡寫成這樣：

my.var %>% exp

這樣的寫法可以將許多層函數包裹在一起的運算拆解開來，以上述的 LogSumExp 函數來說，用 %>% 管線運算子改寫之後就會變成這樣：

my.var %>% exp %>% sum %>% log(exp(1))

預設的狀況下，%>% 管線運算子會將資料傳遞至右側函數的第一個參數，如果需要改變參數的位置，可以使用句點 . 的方式指定資料安插的位置。以下是拿 iris 這個鳶尾花資料集做簡單線性迴歸模型的例子：

iris.lm <- lm(Sepal.Length ~ Sepal.Width, data = iris)
summary(iris.lm)

我們可以使用 %>% 管線運算子配合句點 . 將其改寫成：

iris %>%
  lm(Sepal.Length ~ Sepal.Width, data = .) %>%
  summary

第一個 %>% 管線運算子會將 iris 安插在 lm 參數列中句點出現的位置，所以執行起來的效果就跟原來的程式一模一樣。

%$% 運算子

R 的許多函數都會使用 data 參數來指定資料來源的 data frame，然後在函數中取用該 data frame 中的變數，而 %$% 運算子可以讓其左方的物件套用至右方函數的 data 參數中，例如：

iris %$%
  lm(Sepal.Length ~ Sepal.Width) %>%
  summary

這樣的用法跟上面 %>% 管線運算子配合句點 .的方式類似，不過可讓程式碼更簡潔。

這是另外一個計算相關係數的例子：

mtcars %$% cor(disp, mpg)

%<>% 運算子

%<>% 運算子除了具有 %>% 管線運算子的串接功能之外，還可以將其右方的運算結果儲存至左方的變數中。

假設我們想要讓一個變數進行一連串的運算後，再將結果儲存回原來的變數中，典型的寫法大概是像這樣：

set.seed(3)
x <- rnorm(5)
x <- x %>% abs %>% sqrt

這種情況我們就可以用 %<>% 運算子將上面的程式碼改寫為：

set.seed(3)
x <- rnorm(5)
x %<>% abs %>% sqrt

%T>% tee 運算子

%T>% 運算子的功能也是類似 %>% 管線運算子，只不過在運算完成後，它會傳回原本其左方的輸入值，而不是最終右方運算式計算完的結果。

假設我們產生了一個含有兩個行（column）的矩陣，想要將資料畫出來，並且同時也計算出兩行數值的總和，一般普通的寫法會像這樣：

set.seed(3)
x <- matrix(rnorm(200), ncol = 2)
plot(x)
colSums(x)

這裡的資料流結構跟前面的狀況不太一樣，第二行所建立的 x 同時傳給第三行與第四行來使用，這種將資料一分為二的情況就要使用 %T>% tee 運算子來處理，經過 %T>% 改寫後就會變成：

set.seed(3)
rnorm(200) %>%
  matrix(ncol = 2) %T>%
  plot %>%
  colSums

這裡使用 %T>% 的效果就是會讓 matrix 的計算結果同時傳給 plot 與 colSums 兩個數，達到預期的計算結果。

參考資料：R for Data Science、magrittr