开源项目最佳实践：Row-Oriented Workflows in R with the tidyverse

1. 项目介绍

Row-Oriented Workflows in R with the tidyverse 是一个开源项目，旨在探索和展示如何在 R 语言中使用 tidyverse 包进行基于行的数据处理。这个项目由一系列代码示例和教程组成，帮助用户理解如何在数据框（data frame）中执行基于行的操作，而不是传统的前置或后置列操作。

2. 项目快速启动

首先，确保你已经安装了 R 语言和 RStudio。以下是快速启动项目的步骤：

# 安装所需的包
install.packages("tidyverse")
install.packages("purrr")
install.packages("dplyr")

# 克隆项目到本地
git clone https://github.com/jennybc/row-oriented-workflows.git

# 使用 RStudio 打开项目
open.project("row-oriented-workflows/row-oriented-workflows.Rproj")

在 RStudio 中，你可以开始探索项目中的示例代码，学习如何在不离开数据框的情况下进行行操作。

3. 应用案例和最佳实践

以下是一些应用案例和最佳实践，展示了如何使用 tidyverse 进行行操作：

留在数据框中操作

避免复制数据框的某些行，使用魔术数字和难以理解的名称。直接在数据框中添加或修改变量：

df$var <- ...

使用 dplyr::mutate()：

dplyr::mutate(df, var = ...)

仔细考虑是否需要迭代行

不要过分依赖直观的示例，可能存在向量化解决方案。例如，使用 paste()：

paste(df$col1, df$col2)

或者使用 glue 包的 glue() 函数：

library(glue)
glue("{df$col1} {df$col2}")

使用 purrr::map() 处理列表

如果你有一个列表的数据框，并且想要对每个数据框应用某个函数，可以使用 purrr::map()：

library(purrr)
map(list_of_data_frames, nrow)

组合行和列操作

在数据处理时，行和列操作都可能是必要的。了解何时使用行操作和何时使用列操作可以提高效率。

使用 dplyr::group_by() 和 dplyr::summarise()

计算分组的摘要统计，而不需要显式地拆分和重新组合数据框：

df %>%
  dplyr::group_by(group_col) %>%
  dplyr::summarise(sum_col = sum(value_col))

4. 典型生态项目

Row-Oriented Workflows in R with the tidyverse 项目可以与其他开源项目配合使用，例如：

• tidyverse：一个集合了多个 R 包的集合，用于数据科学和数据分析。
• ggplot2：用于创建复杂和定制化的图形。
• shiny：用于构建交互式网页应用程序。

通过这些开源项目的组合使用，可以构建出功能强大的数据处理和分析工具。