library(styler)Estilo de código
Se usan los datos de nycflights13 para ejemplos
library(tidyverse)
library(nycflights13)Nombres
Los nombres de variables se prefieren largos y descriptivos, solo con minusculas y usando _ para separar palabras.
# preferimos
vuelos_cortos <- flights |> filter(air_time < 60)
# evitamos
VUELOSCORTOS <- flights |> filter(air_time < 60)Espacios
Es mejor poner espacios entre los operadores matemáticos excepto ^ y al rededor del operador de asignación <-.
# Se busca
z <- (a + b)^2 / d
# Se evita
z<-( a+ b )^ 2/dNo hay que poner espacios dentro o fuera de los paréntesis al llamar una función, siempre poner un espacio después de una coma.
# Se busca
mean(x, na.rm = TRUE)
# Se evita
mean( x ,na.rm=TRUE)Está bien agregar espacios en blanco si ayuda con el alineamiento.
flights |>
mutate(
speed = distance / air_time,
dep_hour = dep_time %/% 100,
dep_minute = dep_time %% 100
)# A tibble: 336,776 × 22
year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time
<int> <int> <int> <int> <int> <dbl> <int> <int>
1 2013 1 1 517 515 2 830 819
2 2013 1 1 533 529 4 850 830
3 2013 1 1 542 540 2 923 850
4 2013 1 1 544 545 -1 1004 1022
5 2013 1 1 554 600 -6 812 837
6 2013 1 1 554 558 -4 740 728
7 2013 1 1 555 600 -5 913 854
8 2013 1 1 557 600 -3 709 723
9 2013 1 1 557 600 -3 838 846
10 2013 1 1 558 600 -2 753 745
# ℹ 336,766 more rows
# ℹ 14 more variables: arr_delay <dbl>, carrier <chr>, flight <int>,
# tailnum <chr>, origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>,
# hour <dbl>, minute <dbl>, time_hour <dttm>, speed <dbl>, dep_hour <dbl>,
# dep_minute <dbl>Pipes
|> debería tener siempre un espacio antes y ser la última cosa en una linea. Esto ayuda a agregar nuevos pasos, reordenar pasos existentes, modificar elementos en un paso.
# Se busca
flights |>
filter(!is.na(arr_delay), !is.na(tailnum)) |>
count(dest)# A tibble: 104 × 2
dest n
<chr> <int>
1 ABQ 254
2 ACK 264
3 ALB 418
4 ANC 8
5 ATL 16837
6 AUS 2411
7 AVL 261
8 BDL 412
9 BGR 358
10 BHM 269
# ℹ 94 more rows# evitar
flights |> filter(!is.na(arr_delay),!is.na(tailnum))|>count(dest)# A tibble: 104 × 2
dest n
<chr> <int>
1 ABQ 254
2 ACK 264
3 ALB 418
4 ANC 8
5 ATL 16837
6 AUS 2411
7 AVL 261
8 BDL 412
9 BGR 358
10 BHM 269
# ℹ 94 more rowsSi se necesita una función dentro de la pipe, se debe poner cada nuevo argumento con nombre en una linea nueva
# se busca
flights |>
group_by(tailnum) |>
summarize(
delay = mean(arr_delay, na.rm = TRUE),
n = n()
)# A tibble: 4,044 × 3
tailnum delay n
<chr> <dbl> <int>
1 D942DN 31.5 4
2 N0EGMQ 9.98 371
3 N10156 12.7 153
4 N102UW 2.94 48
5 N103US -6.93 46
6 N104UW 1.80 47
7 N10575 20.7 289
8 N105UW -0.267 45
9 N107US -5.73 41
10 N108UW -1.25 60
# ℹ 4,034 more rows# evitar
flights |>
group_by(
tailnum
) |>
summarize(delay = mean(arr_delay, na.rm = TRUE), n = n())# A tibble: 4,044 × 3
tailnum delay n
<chr> <dbl> <int>
1 D942DN 31.5 4
2 N0EGMQ 9.98 371
3 N10156 12.7 153
4 N102UW 2.94 48
5 N103US -6.93 46
6 N104UW 1.80 47
7 N10575 20.7 289
8 N105UW -0.267 45
9 N107US -5.73 41
10 N108UW -1.25 60
# ℹ 4,034 more rowsLuego del primer paso de la pipeline, identar cada linea con dos espacios
# se busca
flights |>
group_by(tailnum) |>
summarize(
delay = mean(arr_delay, na.rm = TRUE),
n = n()
)# A tibble: 4,044 × 3
tailnum delay n
<chr> <dbl> <int>
1 D942DN 31.5 4
2 N0EGMQ 9.98 371
3 N10156 12.7 153
4 N102UW 2.94 48
5 N103US -6.93 46
6 N104UW 1.80 47
7 N10575 20.7 289
8 N105UW -0.267 45
9 N107US -5.73 41
10 N108UW -1.25 60
# ℹ 4,034 more rows# se evita
flights|>
group_by(tailnum) |>
summarize(
delay = mean(arr_delay, na.rm = TRUE),
n = n()
)# A tibble: 4,044 × 3
tailnum delay n
<chr> <dbl> <int>
1 D942DN 31.5 4
2 N0EGMQ 9.98 371
3 N10156 12.7 153
4 N102UW 2.94 48
5 N103US -6.93 46
6 N104UW 1.80 47
7 N10575 20.7 289
8 N105UW -0.267 45
9 N107US -5.73 41
10 N108UW -1.25 60
# ℹ 4,034 more rowsflights|>
group_by(tailnum) |>
summarize(
delay = mean(arr_delay, na.rm = TRUE),
n = n()
)# A tibble: 4,044 × 3
tailnum delay n
<chr> <dbl> <int>
1 D942DN 31.5 4
2 N0EGMQ 9.98 371
3 N10156 12.7 153
4 N102UW 2.94 48
5 N103US -6.93 46
6 N104UW 1.80 47
7 N10575 20.7 289
8 N105UW -0.267 45
9 N107US -5.73 41
10 N108UW -1.25 60
# ℹ 4,034 more rowsNo hay que buscar hacer todo en una linea, verticalmente es más fácil de leer y se puede expandir más fácil en el futuro.
# esto cabe en una linea
df |> mutate(y = x + 1)
# Esto toma 4 veces más espacio pero es más fácil de leer y de expandir.
df |>
mutate(
y = x + 1
)También tener cuidado de pipes muy largas, más de 10 o 15 lineas. Intentar dividirlas en tareas más pequeñas.
Ggplot2
Aquí aplican las mismas reglas, tratar + como si fuera |>
flights |>
group_by(month) |>
summarize(
delay = mean(arr_delay, na.rm = TRUE)
) |>
ggplot(aes(x = month, y = delay)) +
geom_point() +
geom_line()
Si no caben los argumentos en una linea es mejor poner cada argumento en su linea
flights |>
group_by(dest) |>
summarize(
distance = mean(distance),
speed = mean(distance / air_time, na.rm = TRUE)
) |>
ggplot(aes(x = distance, y = speed)) +
geom_smooth(
method = "loess",
span = 0.5,
se = FALSE,
color = "white",
linewidth = 4
) +
geom_point()`geom_smooth()` using formula = 'y ~ x'Warning: Removed 1 rows containing non-finite values (`stat_smooth()`).Warning: Removed 1 rows containing missing values (`geom_point()`).
Comentarios por sección
Se pueden usar secciones para dividir el script en partes más organizado.
# Load data --------------------------------------
# Plot data --------------------------------------
# ctr + shift + REjercicios
Aplicar el estilo a estos códigos:
flights|>filter(dest=="IAH")|>group_by(year,month,day)|>summarize(n=n(),
delay=mean(arr_delay,na.rm=TRUE))|>filter(n>10)`summarise()` has grouped output by 'year', 'month'. You can override using the
`.groups` argument.# A tibble: 365 × 5
# Groups: year, month [12]
year month day n delay
<int> <int> <int> <int> <dbl>
1 2013 1 1 20 17.8
2 2013 1 2 20 7
3 2013 1 3 19 18.3
4 2013 1 4 20 -3.2
5 2013 1 5 13 20.2
6 2013 1 6 18 9.28
7 2013 1 7 19 -7.74
8 2013 1 8 19 7.79
9 2013 1 9 19 18.1
10 2013 1 10 19 6.68
# ℹ 355 more rowsflights |>
filter(dest == "IAH") |>
group_by(year, month, day) |>
summarize(
n = n(),
delay = mean(arr_delay, na.rm = TRUE)) |>
filter(n > 10)`summarise()` has grouped output by 'year', 'month'. You can override using the
`.groups` argument.# A tibble: 365 × 5
# Groups: year, month [12]
year month day n delay
<int> <int> <int> <int> <dbl>
1 2013 1 1 20 17.8
2 2013 1 2 20 7
3 2013 1 3 19 18.3
4 2013 1 4 20 -3.2
5 2013 1 5 13 20.2
6 2013 1 6 18 9.28
7 2013 1 7 19 -7.74
8 2013 1 8 19 7.79
9 2013 1 9 19 18.1
10 2013 1 10 19 6.68
# ℹ 355 more rowsflights|>filter(carrier=="UA",dest%in%c("IAH","HOU"),sched_dep_time>
0900,sched_arr_time<2000)|>group_by(flight)|>summarize(delay=mean(
arr_delay,na.rm=TRUE),cancelled=sum(is.na(arr_delay)),n=n())|>filter(n>10)# A tibble: 74 × 4
flight delay cancelled n
<int> <dbl> <int> <int>
1 53 12.5 2 18
2 112 14.1 0 14
3 205 -1.71 0 14
4 235 -5.36 0 14
5 255 -9.47 0 15
6 268 38.6 1 15
7 292 6.57 0 21
8 318 10.7 1 20
9 337 20.1 2 21
10 370 17.5 0 11
# ℹ 64 more rowsflights |>
filter(
carrier == "UA",
dest %in% c("IAH", "HOU"),
sched_dep_time > 0900,
sched_arr_time < 2000
) |>
group_by(flight) |>
summarize(
delay = mean(arr_delay, na.rm = TRUE),
cancelled = sum(is.na(arr_delay)),
n = n()
) |>
filter(n > 1)# A tibble: 296 × 4
flight delay cancelled n
<int> <dbl> <int> <int>
1 53 12.5 2 18
2 63 -0.333 0 3
3 112 14.1 0 14
4 164 -9.17 0 6
5 203 108. 0 3
6 205 -1.71 0 14
7 206 25 0 6
8 207 -4.22 0 9
9 212 -35.5 0 2
10 214 10 0 2
# ℹ 286 more rows