原文链接：https://www.jumpingrivers.com/blog/new-features-r410-pipe-anonymous-functions/
R 4.1.0 已发布！ R的新版本（v 4.1.0）已于 2021 年 5 月 18 日发布。通常来讲，大部分 R 更新不会包含太多的新特性，但这次更新确实有一些有趣且重要的变化。
本推文总结了一些值得注意的变化，其他具体更新内容请移步 R 更新日志 。
1. 对 32 位 Windows 系统支持减少 R 4.1.x 系列是最后一批支持 32 位 Windows 的 R 版本。虽然这对大多数人没有影响，但如果你有一台旧笔记本，偶尔用来玩玩R，就可能会带来问题。
2. 新的语法 基础 R 包的稳定性是 R 生态的一个重要优势：基础包既支持了扩展包（CRAN, BioConductor），也与之形成了鲜明对比。
可以想象一下在R中引入一些新特性的情形，即使这些特性的可用性出现问题，也会至少需要维护到下一个重大版本更新，届时可能会有成千上万的开发人员和分析师会开始使用这些特性。因此，R 维护人员在引入新语法时会非常谨慎。
同样，在你自己的代码中使用新语法时也应该谨慎。如果你使用了 R 4.1.x 中引入的新语法，你要注意自己的代码可能无法在之前的R版本中运行。例如你写的数据分析代码可能在你同事的电脑上就无法正常工作，或者其他用户无法安装你开发的新R包。
2.1 原生管道符 magrittr 包在2014年将管道符引入R。它建立在 Unix/Linux 脚本语言（bash）和函数式编程语言（如 F#）中类似的语法上，旨在：
减少开发时间，提高代码的可读性和可维护性。Bache, 2014.
为了体现管道语法的价值，我们先给大家看一段调用嵌套函数的代码：
## 绘制抽样分布的密度图： plot( density( rnorm(100, mean = 4, sd = 1) ) )
示例图
你可能想分步骤来写，以便容易地确定每个函数的调用顺序（先是调用rnorm()，然后是density()，最后是plot()）:
raw_data <- rnorm( 100 , mean = 4 , sd = 1 ) density_summary <- density( raw_data) plot( density_summary)
示例图
但除非你会再次使用抽样结果 raw_data 或者抽样结果的分布 density_summary，否则这样写代码就会向你的R环境中引入许多冗余变量。magrittr 包提供了一个非常好的折中方案，既减少了冗余变量，也体现了代码中函数调用的自然顺序：
library( magrittr) rnorm( 100 , mean = 4 , sd = 1 ) %>% density( ) %>% plot( )
示例图
R4.1.0基础语法中加入了原生管道符|>
## R 4.1.0 rnorm(100, mean = 4, sd = 1) |> density() |> plot()
示例图
新管道符比 magrittr 管道符更容易输入（在两者都没有设置快捷键的情况下），更高效，也更容易 debug。
2.2 原生管道符 VS. magrittr 注意，|> 并非对%>%的完全替代。使用 magrittr 管道符时，函数可以带括号，也可以不带:
letters %>% head( ) letters %>% head
而原生管道符则***必须***带括号：
## R 4.1.0: letters |> head() #> [1] "a" "b" "c" "d" "e" "f"
magrittr 管道符允许在调用函数的任意位置使用“管道输入值”。管道输入值用占位符.来代替。例如，你可以在函数的第二个参数位置使用这些值：
c ( "dogs" , "cats" , "rats" ) %>% grepl( "at" , .)
原生管道符则没有提供占位符的用法。要想用原生占位符实现相同的效果，首先需要定义一个函数。你可以显式地预先定义一个函数：
## R 4.1.0 find_at = function(x) grepl("at", x) c("dogs", "cats", "rats") |> find_at() ## [1] FALSE TRUE TRUE
…也可以隐式地使用原位函数：
## R 4.1.0: 记得右侧的括号！ c("dogs", "cats", "rats") |> {function(x) grepl("at", x)}() #> [1] FALSE TRUE TRUE
2.3 匿名函数的简写语法 一般情况下，R中的函数定义通常使用以下语法：
do_something = function(parameters) { ... }
定义后的函数可以像下面这样调用：
也可以使用匿名函数，这是使用高阶函数时的常见做法，例如 purrr 包中的函数（map()、reduce()、keep()；以及它们的 base R 对应函数：Map() , lapply() 等）。
purrr:: map( letters [ 1 : 3 ] , function ( x) { ds = ls( "package:datasets" ) ds[ stringr:: str_starts( tolower( ds) , x) ] } )
## base R Map( function(x) { pattern = paste0("^", x) ## eg "^a" to match a leading 'a' grep(pattern, ls("package:datasets"), value = TRUE, ignore.case = TRUE) }, letters[1:3] ) #> [[1]] #> [1] "ability.cov" "airmiles" "AirPassengers" "airquality" #> [5] "anscombe" "attenu" "attitude" "austres" #> #> [[2]] #> [1] "beaver1" "beaver2" "BJsales" "BJsales.lead" "BOD" #> #> [[3]] #> [1] "cars" "ChickWeight" "chickwts" "co2" "CO2" #> [6] "crimtab"
这个情况下，function(x) {...} 的语法看上去相当啰嗦，尤其是将多个函数组合到一个管道中的时候。
R 中引入了一种新语法，可以使得声明这些匿名函数时更加简洁：
## R 4.1.0 Map( \(x) { pattern = paste0("^", x) grep(pattern, ls("package:datasets"), value = TRUE, ignore.case = TRUE) }, letters[1:3] ) #> $a #> [1] "ability.cov" "airmiles" "AirPassengers" "airquality" #> [5] "anscombe" "attenu" "attitude" "austres" #> #> $b #> [1] "beaver1" "beaver2" "BJsales" "BJsales.lead" "BOD" #> #> $c #> [1] "cars" "ChickWeight" "chickwts" "co2" "CO2" #> [6] "crimtab"
用这个语法，我们可以对原生管道符部分中的最后一个例子进行重写：
## R 4.1.0 c("dogs", "cats", "rats") |> {\(x) grepl("at", x)}() #> [1] FALSE TRUE TRUE
3 小改动 3.1 组合因子变量 在R的过去版本中，如果使用 c(factor1, factor2) 来组合两个因子向量，结果会返回一个整数向量：
## R 4.0.5: 组合不同水平的因子向量 c(factor("a"), factor("b")) #> [1] a b #> Levels: a b
## R 4.0.5: 组合相同水平的因子向量 c(factor("a"), factor("a")) #> [1] a a #> Levels: a
这是因为在R的内部，因子被储存为整数。在R >= 4.1的版本中，这种组合的结果会有一些变化：
返回一个新的因子向量
该因子向量的水平为原来两个因子向量水平的集合
fac1 <- factor( c ( "a" , "b" , "d" ) ) fac2 <- factor( c ( "b" , "c" ) ) c ( fac1, fac2)
这与 forcats::fct_c() 组合因子向量的方式一致。
3.2 使用公式语法拆分数据框 R4.1.0中加入了一种新的语法，可以方便地使用公式语法来拆分数据框。在之前的版本中，想要这么做，需要把数据框的名字输入 split() 函数：
## R 4.0.5: 将 “mtcars”数据框中的汽车按照齿轮数拆分 split(mtcars, mtcars$gear) #> $`3` #> mpg cyl disp hp drat wt qsec vs am gear carb #> Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 #> Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 #> Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 #> Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 #> Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 #> Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 #> Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 #> Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 #> Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 #> Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 #> Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 #> Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 #> AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 #> Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 #> Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 #> #> $`4` #> mpg cyl disp hp drat wt qsec vs am gear carb #> Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 #> Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 #> Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 #> Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 #> Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 #> Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 #> Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 #> Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 #> Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 #> Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 #> Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 #> Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 #> #> $`5` #> mpg cyl disp hp drat wt qsec vs am gear carb #> Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.7 0 1 5 2 #> Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.9 1 1 5 2 #> Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.5 0 1 5 4 #> Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.5 0 1 5 6 #> Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.6 0 1 5 8
使用magrittr管道时，语法就显得有些“笨重”：
mtcars %>% split( ., .$ gear) %>% lapply( function ( x) x[ which.max( x$ mpg) , ] )
将新的管道语法和函数简写与新的split语法结合起来，可以改写如下：
## R 4.1.0 mtcars |> split(~ gear) |> lapply(\(x) x[which.max(x$mpg), ]) #> $`3` #> mpg cyl disp hp drat wt qsec vs am gear carb #> Toyota Corona 21.5 4 120.1 97 3.7 2.465 20.01 1 0 3 1 #> #> $`4` #> mpg cyl disp hp drat wt qsec vs am gear carb #> Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.9 1 1 4 1 #> #> $`5` #> mpg cyl disp hp drat wt qsec vs am gear carb #> Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.9 1 1 5 2
感觉简洁了许多~
4. 使用 hotkeys 设置原生管道符快捷键 R 4.1.0 中并没有为原生管道符|>快捷键，但我们可以使用 hotkeys 包来自定义我们的快捷键。
可以使用以下的方法安装：
devtools:: install_github( 'r-stata/hotkeys' ) devtools:: install_local( 'hotkeys_0.2.0.tar.gz' )
然后就可以从 RStudio 界面上点击 Tools -> Modify Keyboard Shortcuts 进入快捷键设置界面，输入 insert 找到输入类快捷键的设置：
使用 hotkeys 设置原生管道符快捷键
然后就可以设置 |> 的快捷键了，当然，其他各种操作符的快捷键可以用 hotkeys 包一起设置～
点击这里跳转到 RStata 短书平台获取附件：R 4.1.0 的新特性 & 使用 hotkeys 配置输入快捷键
评论