Las funciones representan uno de los aspectos más poderosos en programación, se trata de la transición entre usuario y programador.
Las funciones se crea utlizando el comando function() y se compone de las siguientes partes:
Nombre de la función
Argumentos
Cuerpo de la función
x <- function(
soyunafuncion <- function(x,y){
x+y
}
soyunafuncion(4, 5)## [1] 9## El valor regresado de una función es la última expresión en el cuerpo del código de la misma.
soyunafuncion <- function(x,y=10){
result <- x+y
d <- seq_len(result)
mean(d) #ultima expresión del cuerpo de la función
}
soyunafuncion(20)## [1] 15.5Las funciones son objetos de primera clase y pertenecen a la clase de objetos “function”, nosotros podemos diseñar las funciones para que puedan hacer lo que nosotros queramos.
Pueden ser pasadas como argumentos a otras funciones
Pueden anidarse, es decir, meter una función dentro de otra función.
El valor regresado de una función es la última expresión en el cuerpo del código de la misma.
Son los argumentos incluidos cuando definimos una función.
Las funciones tienen varios argumentos, dentro de los cuales podemos encontrar argumentos nombrados con valores por default. No todas las funciones hacen uso de todos sus argumentos formales. Por ejemplo, una función con 10 argumentos puede tener valores especificados o nosotros debemos especificarlos (forzosamente, si no la función no hace nada). Para ver los argumentos de una función podemos hacer uso de los comandos str() o formals()
formals(rnorm)## $n
##
##
## $mean
## [1] 0
##
## $sd
## [1] 1str(rnorm)## function (n, mean = 0, sd = 1)Los argumentos de las funciones pueden unirse por su posición o por el nombre, por ejemplo.
## por posición
set.seed(1)
rnorm(5, 3, 2)## [1] 1.747092 3.367287 1.328743 6.190562 3.659016##por nombre
set.seed(1)
rnorm(n=5, mean = 3, sd = 2)## [1] 1.747092 3.367287 1.328743 6.190562 3.659016##No recomendado invertir el orden de los args.
set.seed(1)
rnorm(mean = 3, 5,2)## [1] 1.747092 3.367287 1.328743 6.190562 3.659016Cuando tenemos muchos argumentos, podemos mezclar el posicionamiento por nombre y por posición.
##equivalentes
mydata <- data.frame (x = rnorm(200, 4, 3), y =rbinom(200, 20, .5))
str(lm)
lm(data = mydata, x~y, model = FALSE, 1:100)
lm(x~y, mydata, 1:100, model = FALSE) ##personalmente me gusta más este.No es necesario especificar todo el tiempo, a menos que sea necesario o nos sea más cómodo. Por lo general, queremos nombrar los argumentos cuando tenemos una gran lista de estos y queremos modificar su valor por default a otro, además es útil escribirlos si sabes el nombre de los argumentos, pero no su posición en la lista.
Cuando especificamos una parte del argumento, R une y le asigna el valor correcto
set.seed(1)
rnorm(10, m = 4, 1)## [1] 3.373546 4.183643 3.164371 5.595281 4.329508 3.179532 4.487429 4.738325
## [9] 4.575781 3.694612#cuando una función tiene argumentos que inician igual
func.c.args.misma.letra <- function(x1, me2, mi3, y=10){
result <- x1+y
result <- result*me2
result <- result/mi3
print(result)
}
func.c.args.misma.letra(2,3,6)## [1] 6x <- c(2,1,4,5)
y <- c(3,5,6,7)
z <- c(13,56,23,78)
func.c.args.misma.letra(x,y,z) ##ERROR## [1] 2.7692308 0.9821429 3.6521739 1.3461538Entonces tenemos 3 tipos de match para los argumentos
En los argumentos definimos cuando tiene y cuando no tiene un valor por default un argumento
a: No tiene valor por default (nosotros lo definimos) b, c, d: Si tienen un valor por default.
NULL: Valor para un argumento que indica que no hay un valor específico
f <- function(a,b=1,c=2,d=NULL){}# "a" siempre le debemos asignar un valor
#automatizar pocesos
data <- na.omit(airquality)
mean(data[,"Ozone"])## [1] 42.0991mean.data.frame <- function(x, y){
data <- na.omit(x)
mean(data[,y])
}
mean.data.frame(airquality, "Solar.R")## [1] 184.8018Implica que los argumentos de una función serán evaluados sólo si se necesitan.
f <- function(a, b){
a^2
}
f(3)
##Sin embargo
f <- function(a, b){
x <- a^2
y <- b^3
c(x,y)
}
f(2) #ERROR
f(2,3) ## BUENO… indica un numero variable de argumentos que son pasados a otras funciones, es decir, extendemos los argumentos de nuestra función con los argumentos de otra función.
fun <- function(x, y, ...){
plot(x, y, ...)
}Se replican los argumentos de la función plot, no hay necesidad de escribirlos todos.
Otra función del argumento … se utiliza cuando un cierto número de argumentos que queremos pasar a la función no se pueden conocer por adelantado. Son objetos no definidos que son concatenados.
Por ejemplo:
args(data.frame)## function (..., row.names = NULL, check.rows = FALSE, check.names = TRUE,
## fix.empty.names = TRUE, stringsAsFactors = FALSE)
## NULLargs(rbind)## function (..., deparse.level = 1)
## NULLargs(paste)## function (..., sep = " ", collapse = NULL, recycle0 = FALSE)
## NULLEn esta ocasión TODOS los argumentos que vengan después de … deben ser nombrados explicitamente y no pueden tener match parcial.
data.frame(x=1:3, b=21:23, c=3:5, row.names = c("a", "b", "c"))## x b c
## a 1 21 3
## b 2 22 4
## c 3 23 5cbind(airquality[1:10,1:3], DNase[1:10,])## Ozone Solar.R Wind Run conc density
## 1 41 190 7.4 1 0.04882812 0.017
## 2 36 118 8.0 1 0.04882812 0.018
## 3 12 149 12.6 1 0.19531250 0.121
## 4 18 313 11.5 1 0.19531250 0.124
## 5 NA NA 14.3 1 0.39062500 0.206
## 6 28 NA 14.9 1 0.39062500 0.215
## 7 23 299 8.6 1 0.78125000 0.377
## 8 19 99 13.8 1 0.78125000 0.374
## 9 8 19 20.1 1 1.56250000 0.614
## 10 NA 194 8.6 1 1.56250000 0.609paste("a", "b", "c", sep = ":")## [1] "a:b:c"paste("a", "b", "c", "d", "hola", "adios", se = ":")## [1] "a b c d hola adios :"¿Cómo sabe R qué valor asignar a qué símbolo cuando escribo una función?
x <- 2
sd <- 4
cosa <- "hola que tal"
lm <- function(x){x+x}Cuando R intenta unir valores a un símbolo, busca a través de una serie de entornos para encontrar el valor apropiado.
Entorno: Es una colección de objetos y valores o símbolos y valores.
Esta búsqueda tiene un orden. Por ejemplo, cuando buscamos un objeto en R, este lo busca en el entorno global por nombre y símbolo, haciendo el match que buscamos, si el objeto no está ahí, entonces lo busca en los diferentes paquetes de R en este caso el paquete stats, si este no está ahi, lo busca en el paquete graphics y así sucesivamente hasta llegar al paquete base. Sin embargo, no hay que asumir que el programa tiene todo lo que necesitamos.
Cargar un paquete con library() hace que este paquete quede en la posición 2 de búsqueda moviendo un lugar al resto de paquetes.
library(rafalib)Sin miedo al éxito nosotros podemos nombrar un objeto llamado sd y al mismo tiempo una función que se llame sd() y uno no interferirá con el funcionamiento del otro.
sd <- rnorm(40)
sd(sd)
sd <- function(mean, otro, este){
y <- c(mean, otro, este)
stats::sd(y)
}
sd(4,3,6)Lo que hacen es determinar cómo un valor se asocia con una variable libre en una función. En la siguiente función tenemos que hay 2 argumentos formales y uno libre.
f <- function(x,y){
x^2 + y/z
}FUNCION: 2 Tipos de variables. 1. Argumentos 2. Simbolos u objetos que no forman parte de la función (variable libre).
¿Entonces cómo asigno un valor a esos símbolos? Hay dos formas: utilizando las reglas de ámbito léxico y las reglas de ámbito dinámico
Reglas de ámbito léxico
Esta regla nos dice que “los valores de variables libres serán buscados en el entorno en el cual la función fue definida”
cosita <- 8
f <- function(x,y){
cosita <- 5
x^2 + y/cosita
}
f(5,6)## [1] 26.2-Entorno: Colección de pares (símbolos asociados a un valor)
Cada paquete en R tiene un nombre y un entorno asociado.
Las funciones en R están asociadas a un entorno entonces, para buscar una variable libre:
TOP: global enviroment.
Si esta búsqueda fracasa, se marca un error.
makepower <- function(n){
pow <- function(x){
x^n
}
pow
}
cube <- makepower(3)
cube(2)## [1] 8square <- makepower(2)
square(4)## [1] 16Lexico y dinámico
y <- 10
f <- function(x){ ##ambito léxico
y <- 2
y^2+g(x)
}
g <- function(x){ ##ámbito dinámico
x*y
}
f(4)## [1] 44Cuando una función es definida en el entorno global y es subsecuentemente llamado de este entorno, el entorno de definición y el entorno de llamada es el mismo y da apariencia de ámbito dinámico
g <- function(x){
a <- 3
x+a+y
}
y <- 3
g(2)## [1] 8Argumentos: list, función, … (argumentos de la función)
lista <- as.list(na.omit(airquality))
lapply(lista, quantile, probs=c(.5,.90))## $Ozone
## 50% 90%
## 31 89
##
## $Solar.R
## 50% 90%
## 207 285
##
## $Wind
## 50% 90%
## 9.7 14.9
##
## $Temp
## 50% 90%
## 79 90
##
## $Month
## 50% 90%
## 7 9
##
## $Day
## 50% 90%
## 16 28##la función por separado no aplica a todos los elementos de forma automática.
quantile(na.omit(airquality[,1]), probs = c(.4,.2))## 40% 20%
## 23 14## Nos ahorramos el tener que hacer un bucle For
x <- list()
for (i in 1:ncol(na.omit(airquality)) ) {
x[i] <- quantile(na.omit(airquality[,i]), probs=c(.5, .9))
}## Warning in x[i] <- quantile(na.omit(airquality[, i]), probs = c(0.5, 0.9)):
## número de items para para sustituir no es un múltiplo de la longitud del
## reemplazo
## Warning in x[i] <- quantile(na.omit(airquality[, i]), probs = c(0.5, 0.9)):
## número de items para para sustituir no es un múltiplo de la longitud del
## reemplazo
## Warning in x[i] <- quantile(na.omit(airquality[, i]), probs = c(0.5, 0.9)):
## número de items para para sustituir no es un múltiplo de la longitud del
## reemplazo
## Warning in x[i] <- quantile(na.omit(airquality[, i]), probs = c(0.5, 0.9)):
## número de items para para sustituir no es un múltiplo de la longitud del
## reemplazo
## Warning in x[i] <- quantile(na.omit(airquality[, i]), probs = c(0.5, 0.9)):
## número de items para para sustituir no es un múltiplo de la longitud del
## reemplazo
## Warning in x[i] <- quantile(na.omit(airquality[, i]), probs = c(0.5, 0.9)):
## número de items para para sustituir no es un múltiplo de la longitud del
## reemplazox## [[1]]
## [1] 31.5
##
## [[2]]
## [1] 205
##
## [[3]]
## [1] 9.7
##
## [[4]]
## [1] 79
##
## [[5]]
## [1] 7
##
## [[6]]
## [1] 16Argumentos: Los mismos que lapply.
sapply(as.list(na.omit(airquality)), quantile, probs=c(.5,.90))## Ozone Solar.R Wind Temp Month Day
## 50% 31 207 9.7 79 7 16
## 90% 89 285 14.9 90 9 28Argumentos: x(matriz, data frame o arreglo con 2 o más dimensiones), margin, fun, …
data <- na.omit(airquality)
apply(data,2, sd)## Ozone Solar.R Wind Temp Month Day
## 33.275969 91.152302 3.557713 9.529969 1.473434 8.707194aplica una función en paralelo sobre un set de argumentos de esta función. Argumentos: FUN, …(argumentos de la función), MoreArgs, SIMPLIFY.
mapply(rep, 1:4, 4:1)## [[1]]
## [1] 1 1 1 1
##
## [[2]]
## [1] 2 2 2
##
## [[3]]
## [1] 3 3
##
## [[4]]
## [1] 4rep(1:4, each=4:1)## Warning in rep(1:4, each = 4:1): first element used of 'each' argument## [1] 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4ruido <- function(n, mean, sd){
rnorm(n, mean, sd)
}
ruido(1:5,1:5,2)## [1] 4.0235623 2.7796865 1.7575188 -0.4293998 7.2498618mapply(ruido, c(1,2,5), c(1,3,5), 2)## [[1]]
## [1] 0.9101328
##
## [[2]]
## [1] 2.967619 4.887672
##
## [[3]]
## [1] 6.642442 6.187803 6.837955 6.564273 5.149130Aplica una función a un vector dividido según una variable categórica del mismo largo del vector que nos indique qué valor corresponde a cada grupo. Argumentos: x(vector), index (var. categorica), FUN, …, simplify
meses <- factor(data$Month, labels = c("mayo", "junio", "julio", "agosto", "septiembre"))
tapply(data$Ozone, meses , mean)## mayo junio julio agosto septiembre
## 24.12500 29.44444 59.11538 60.00000 31.44828Se utiliza en conjunción con otras funciones como lappy o sapply Argumentos: x(vector, lista o data.frame),f(factor o lista de factores), drop.
meses <- factor(data$Month, labels = c("mayo", "junio", "julio", "agosto", "septiembre"))
spliteddata <- split(data, meses)
sapply(spliteddata, colMeans)## mayo junio julio agosto septiembre
## Ozone 24.12500 29.44444 59.115385 60.00000 31.44828
## Solar.R 182.04167 184.22222 216.423077 173.08696 168.20690
## Wind 11.50417 12.17778 8.523077 8.86087 10.07586
## Temp 66.45833 78.22222 83.884615 83.69565 76.89655
## Month 5.00000 6.00000 7.000000 8.00000 9.00000
## Day 16.08333 14.33333 16.230769 17.17391 15.10345lapply(spliteddata, colMeans)## $mayo
## Ozone Solar.R Wind Temp Month Day
## 24.12500 182.04167 11.50417 66.45833 5.00000 16.08333
##
## $junio
## Ozone Solar.R Wind Temp Month Day
## 29.44444 184.22222 12.17778 78.22222 6.00000 14.33333
##
## $julio
## Ozone Solar.R Wind Temp Month Day
## 59.115385 216.423077 8.523077 83.884615 7.000000 16.230769
##
## $agosto
## Ozone Solar.R Wind Temp Month Day
## 60.00000 173.08696 8.86087 83.69565 8.00000 17.17391
##
## $septiembre
## Ozone Solar.R Wind Temp Month Day
## 31.44828 168.20690 10.07586 76.89655 9.00000 15.10345## Trabajar con cadenas de caracteres en la tabla de datos.
##1 tabla con una columna que divide los datos categóricamente
data[, "Month"] <- factor(data$Month, labels = c("mayo", "junio", "julio", "agosto", "septiembre"))
## 2 extraigo en un objeto aparte mi variable categórica
meses <- data$Month
## 3 elimino la variable categórica de la tabla
data <- data[,-5]
## 4 split data en nuestra variable categórica
spliteddata <- split(data, meses)
## 5 Aplicamos la funcirón de repetición
sapply(spliteddata, colMeans)## mayo junio julio agosto septiembre
## Ozone 24.12500 29.44444 59.115385 60.00000 31.44828
## Solar.R 182.04167 184.22222 216.423077 173.08696 168.20690
## Wind 11.50417 12.17778 8.523077 8.86087 10.07586
## Temp 66.45833 78.22222 83.884615 83.69565 76.89655
## Day 16.08333 14.33333 16.230769 17.17391 15.10345lapply(spliteddata, colMeans)## $mayo
## Ozone Solar.R Wind Temp Day
## 24.12500 182.04167 11.50417 66.45833 16.08333
##
## $junio
## Ozone Solar.R Wind Temp Day
## 29.44444 184.22222 12.17778 78.22222 14.33333
##
## $julio
## Ozone Solar.R Wind Temp Day
## 59.115385 216.423077 8.523077 83.884615 16.230769
##
## $agosto
## Ozone Solar.R Wind Temp Day
## 60.00000 173.08696 8.86087 83.69565 17.17391
##
## $septiembre
## Ozone Solar.R Wind Temp Day
## 31.44828 168.20690 10.07586 76.89655 15.10345lapply(spliteddata[c("mayo", "junio", "julio")], function(x) colMeans(x[,c("Ozone", "Wind", "Temp")]))## $mayo
## Ozone Wind Temp
## 24.12500 11.50417 66.45833
##
## $junio
## Ozone Wind Temp
## 29.44444 12.17778 78.22222
##
## $julio
## Ozone Wind Temp
## 59.115385 8.523077 83.884615