《数据科学:R语言实现》——1.6 理解闭包

1.6 理解闭包

函数是R语言的一级成员。换句话说,你可以给一个函数传递另一个函数。在之前的教程中,我们展示了如何创建一个被命名的函数。然而,我们也可以创建一个不带名字的函数,即闭包(也就是匿名函数)。在本教程中,我们会展示如何在标准函数中使用闭包。

准备工作

确保你已经在操作系统中安装了R语言,完成了之前的步骤。

实现步骤

执行下列步骤,在函数中创建闭包。

1.让我们回顾一下被命名的函数是如何工作的:

2.现在,让我们使用同样的步骤,通过闭包来求两个变量的和:

3.我们也可以在另一个函数中调用闭包函数:

4.与apply函数族类似,你可以使用向量化计算:

5.我们可以把函数加到一个列表中,并对给定的向量应用这个函数:

运行原理

在R语言中,你不需要给每一个函数都指定名字。相反,你可以使用闭包来整合方法与对象。因此,你可以在一个对象中创建更小、更简单的函数来完成复杂的任务。

在第1个例子中,我们展示了如何创建一个正常命名的函数。我们可以通过给函数传值来调用函数。另外,我们在第2个例子中展示了闭包是如何工作的。在这个例子中,我们不需要给函数指认名称,但是依然可以给匿名函数传值,并获取返回值。

然后,我们展示了如何把一个闭包添加到名为maxval的函数中。这个函数仅仅返回两个参数中的最大值。然而,我们也可以在另一个函数内部使用闭包。而且,我们还可以在更高阶的函数中把闭包当作参数使用,例如lapply和sapply。这里,我们把匿名函数当作函数的参数,来返回任意给定列表中第1个向量值与10的乘积。

接着,我们给出了一个函数,或者也可以把函数存放在列表中。 这样,当我们想把乘积函数应用到给定的向量上时,就可以把它当作函数lapply的参数列表来调用。

更多技能

除了在函数lapply内部使用闭包,我们也可以把闭包传递给apply函数族中的其他函数。这里,我们展示了如何把同一个闭包传递给函数sapply:

时间: 2024-09-19 09:50:41

《数据科学:R语言实现》——1.6 理解闭包的相关文章

《数据科学R语言实践:面向计算推理与问题求解的案例研究法》一一2.3 数据清洗和变量格式化

2.3 数据清洗和变量格式化 本节我们考虑如何将特征矩阵列表menResMat转换为合适的格式以便于数据分析.目前,这些数据值都是字符型,这对于诸如找到参赛者年龄的中位数这样的数据分析是无益的.但是,我们可以利用as.numeric()函数很容易地将年龄转换为数值型.我们需要将整个矩阵都转换为数值型矩阵吗?事实并非如此,比如将参赛者的名字转换为数值型就毫无意义.为此,我们需要创建一个可以允许拥有不同类型变量的数据框.现在我们有6个变量:参赛者姓名.居住地.年龄以及3种类型的时间.正如刚才所说,我

手把手 | 教你爬下100部电影数据:R语言网页爬取入门指南

前言 网页上的数据和信息正在呈指数级增长.如今我们都使用谷歌作为知识的首要来源--无论是寻找对某地的评论还是了解新的术语.所有这些信息都已经可以从网上轻而易举地获得. 网络中可用数据的增多为数据科学家开辟了可能性的新天地.我非常相信网页爬取是任何一个数据科学家的必备技能.在如今的世界里,我们所需的数据都在互联网上,使用它们唯一受限的是我们对数据的获取能力.有了本文的帮助,您定会克服这个困难. 网上大多数的可用数据并不容易获取.它们以非结构化的形式(HTML格式)表示,并且不能下载.因此,这便需要

2013年数据分析、数据挖掘、数据科学使用语言排行榜

 最受欢迎的语言仍然是R( KDnuggets 读者中有61%用户在用),python(39%),SQL(37%).SAS仍然稳定在20%之间.增长最快是:Pig/Hive/Hadoop为基础的语言.R.SQL,同时perl, C/C++, 与Unix 在下降.同时我们发现,R与python用户存在一定的重叠. 之前的KDnuggets的调查主要是关注:统计与分析软件,但有时候一个全面与强大的编程语言是需要的.这也是最近一次的KDnuggets调查关注的重点,我们咨询: 在2013年中,什么样的

一份语言选择指南带你玩数据科学,选出你心中支持的语言

更多深度文章,请关注:https://yq.aliyun.com/cloud 随着大数据时代的到来,网络每天会产生大量的数据,一些行业会对这些数据进行分析并协助企业不断地发展新业务.创建运营模式等,比如电子商务.推荐系统等.那么谁对这些大数据进行分析呢?对应的工作领域是数据科学(Data Science),该领域需要结合先进的统计知识.定量分析能力和编程能力.涉及到编程,大家都会面临一个问题,有太多的编程语言可供选择,那么哪些编程语言适合数据科学领域呢?虽然没有正确答案,但想成为一名成功的数据科

《数据科学实战手册(R+Python)》一第2章 汽车数据的可视化分析(R)

第2章 汽车数据的可视化分析(R) 数据科学实战手册(R+Python) 本章涵盖如下内容. 获取汽车燃料效率数据 为了你的第一个项目准备好R 将汽车燃料效率数据导入R 探索和描述燃料效率数据 进一步分析汽车燃料效率数据 研究汽车的产量以及车型 简介 本书介绍的第一个项目是分析汽车燃料经济数据.我们首先用R对该数据集进行分析.R常常被称为数据科学通用语言,因为它是目前最流行的统计和数据分析语言.在本书前半部分的各个章节中,你将会看到R在数据处理.建模.可视化方面的过人之处,并开发一些有用的脚本,

为何Python攀上数据科学巅峰?调查显示Python超越R

根据KDnuggets 2017年最新调查,Python生态系统已经超过了R,成为了数据分析.数据科学与机器学习的第一大语言.本文对KDnuggets的此项调查结果做了介绍,并补充了一篇文章讲解为何Python能成为数据科学领域最受欢迎的语言. Python vs R:2017 年调查结果 近日,KDnuggets 发起了一项调查,问题是: 你在 2016 年到现在是否使用过 R 语言.Python(以及它们的封装包),或是其他用于数据分析.数据科学与机器学习的工具? 预料之内的是,Python

R语言为Hadoop集群数据统计分析带来革命性变化

R作为开源的数据统计分析语言正潜移默化的在企业中扩大自己的影响力.特有的扩展插件可提供免费扩展,并且允许R语言引擎运行在Hadoop集群之上. R语言是主要用于统计分析.绘图的语言和操作环境.R本来是由来自新西兰奥克兰大学的Ross Ihaka和Robert Gentleman开发.(也因此称为R)现在由"R开发核心团队"负责开发.R是基于S语言的一个GNU项目,所以也可以当作S语言的一种实现,通常用 S语言编写的代码都可以不作修改的在R环境下运行.R的语法是来自Scheme. R的源

为什么R语言是学习数据分析的第一选择

刚开始学习数据科学的人都会面对同一个问题: 不知道该先学习哪种编程语言. 不仅仅是编程语言,像Tableau,SPSS等软件系统也是同样的情况.有越来越多的工具和编程语言,很难知道该选择哪一种. 事实是,你的时间有限.学习一门新的编程语言相当于一项巨大的投资,因此在选择语言时需要有战略性. 很明显,一些语言会给你的投资带来很高的回报(付出的时间和金钱投资).然而其他语言可能是你每年只用几次的纯粹辅助工具. 我给你的建议就是:先学习R语言 专注于一种语言 在说明为什么你应该学习R语言之前,我想强调

R语言,如何根据row的index提取矩阵?

问题描述 R语言,如何根据row的index提取矩阵? 已知1.targetmatrix <- matrix(1:100, nrow = 20),2.targetindex <- c(2, 8, 12, 15, 19) [,1] [,2] [,3] [,4] [,5] [1,] 1 21 41 61 81 [2,] 2 22 42 62 82 [3,] 3 23 43 63 83 [4,] 4 24 44 64 84 [5,] 5 25 45 65 85 [6,] 6 26 46 66 86

一文总览数据科学全景:定律、算法、问题类型...

2016年,英国数学家,乐购俱乐部构架师Clive Humbly提出"数据是新能源"这样一个说法.他说: "数据是新能源.它拥有极高的价值,却需要经过提炼才能使用.就像石油一样,必须被转化为气体.塑料或者化学品等,才能发挥出其实际的作用: 因此,数据只有被分解和分析之后才具备价值." iPhone革命,移动经济的增长,为大数据技术的发展创造了一个完美的契机.在2012年,HBR(Harvard Bussiness Review)发表过一篇文章,将数据科学家推到了风口