没文化真可怕。之前写[R中的pipelining（chaining）概念](/archives/3965)的时候，我就一直在想，为什么pipe的包要叫一个magrittr?然后就在网上查呀查，发现怎么没人解释一下。

后来查magritte的时候空然发现一幅图，这幅图在很多人介绍magrittr包的时候都用到了。我再一查，明白了。原来，这个叫Ren'{e} Magritte比利时超现实主义画家在30岁的时候画过一幅画，叫“The Treachery of Images”,图中画了一个烟斗，下面配字，写到，“Ceci n’est pas une pipe”(翻译过来就是说：这不是一个烟斗)。就是这幅画了。

而magrittr的作者Stefan Milton Bache就是借用了这句Ceci n’est pas une pipe来解释它的magrittr的。有文化的人一下子就可以联想到pipe。嗯，我自省一会儿先。

之前讲的magrittr包只介绍了它的一部分，而且并不是非常清楚。今天把它的说明文档贴上来。

关键字有：%>%, %T>%, %$%, %<>%。

# %>%

## 简单地讲，pipe就是从左向右顺序操作。

* x %>% f 等于 f(x)
* x %>% f(y) 等于 f(x, y)
* x %>% f %>% g %>% h 等于 h(g(f(x)))

# . (参数容器)

* x %>% f(y, .) 等于 f(y, x)
* x %>% f(y, z = .) 等于 f(y, z = x)

## 参数容器重用

很多情况下我们需要对相同的数据做不同的操作，这个时候就可以使用到重用（re-use）的概念。

* x %>% f(y = nrow(.), z = ncol(.)) 等于 f(x, y = nrow(x), z = ncol(x))
* x %>% {f(y = nrow(.), z = ncol(.))} 等于 f(y = nrow(x), z = ncol(x)) ## 注意这里的大括号，以及参数的变化

## 更复杂的情况

之前我讲过，**.**（点符号）其实相当于shell pipe中的”-“(小短杠)或者stdin。

“`{r}
library(magrittr)
iris %>%
{
n <- sample(1:10, size = 1) H <- head(., n) T <- tail(., n) rbind(H, T) } %>%
summary
“`

## 创建函数

**.**还可以用来代表一个函数的输入

“`{r}
f <- . %>% cos %>% sin
f(1)
## 相当于
f <- function(.) sin(cos(.)) f(1) ``` # %T>%

%>%的确非常简单，但是有些时候，我们需要查看一点中间结果，这个时候就不得不打断pipe了。有了T操作符（%T>%），就可以写成一行了。

“`{r}
rnorm(200) %>%
matrix(ncol = 2) %T>%
plot %>% # plot的结果我们不需要，%T>%帮助我们把左边的结果传给plot后保留下来再传给colSums。
colSums
“`

# %$%
对于有一些函数，它无法接受左边传过来的所有的数据，它只需要其中的一列，或者几列来进行计算。比如

“`{r}
iris %>%
subset(Sepal.Length > mean(Sepal.Length)) %$%
cor(Sepal.Length, Sepal.Width)
“`

有些同学会说，那我也可以这样啊
“`{r}
library(dplyr)
iris %>%
subset(Sepal.Length > mean(Sepal.Length)) %>%
select(Sepal.Length, Sepal.Width) %>%
cor
“`

好吧，我来举一个比较严格的例子
“`{r}
iris %>%
subset(Sepal.Length > mean(Sepal.Length)) %$%
add(Sepal.Length, Sepal.Width) %>%
head
“`

# %<>%
有时候我们会对变量操作后赋值回去，比如
“`{r}
a <- b <- iris$Sepal.Length a <- a %>%
sqrt
“`
如果用%<>%的话，就可以把上面的操作简化成
“`{r}
b %<>% sqrt
identical(a, b) ## 结果一致
“`

了解更多，请使用vignette(“magrittr”)。
=====EndrmdSourceCode=====

library(magrittr)
iris %>%
  {
    n <- sample(1:10, size = 1)
    H <- head(., n)
    T <- tail(., n)
    rbind(H, T)
  } %>%
  summary

##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.900   Min.   :3.000   Min.   :1.400   Min.   :0.200  
##  1st Qu.:5.050   1st Qu.:3.000   1st Qu.:1.400   1st Qu.:0.200  
##  Median :5.500   Median :3.200   Median :3.250   Median :1.000  
##  Mean   :5.525   Mean   :3.225   Mean   :3.325   Mean   :1.125  
##  3rd Qu.:5.975   3rd Qu.:3.425   3rd Qu.:5.175   3rd Qu.:1.925  
##  Max.   :6.200   Max.   :3.500   Max.   :5.400   Max.   :2.300  
##        Species 
##  setosa    :2  
##  versicolor:0  
##  virginica :2  
##                
##                
## 

f <- . %>% cos %>% sin
f(1)

## [1] 0.5143953

## 相当于
f <- function(.) sin(cos(.))
f(1)

## [1] 0.5143953

rnorm(200) %>%
matrix(ncol = 2) %T>%
plot %>% # plot的结果我们不需要，%T>%帮助我们把左边的结果传给plot后保留下来再传给colSums。
colSums

## [1] 23.747943  3.263112

iris %>%
  subset(Sepal.Length > mean(Sepal.Length)) %$%
  cor(Sepal.Length, Sepal.Width)

## [1] 0.3361992

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

iris %>%
  subset(Sepal.Length > mean(Sepal.Length)) %>%
  select(Sepal.Length, Sepal.Width) %>%
  cor

##              Sepal.Length Sepal.Width
## Sepal.Length    1.0000000   0.3361992
## Sepal.Width     0.3361992   1.0000000

iris %>%
  subset(Sepal.Length > mean(Sepal.Length)) %$% 
  add(Sepal.Length, Sepal.Width) %>% 
  head

## [1] 10.2  9.6 10.0  9.3  9.6  9.5

a <- b <- iris$Sepal.Length
a <- 
  a %>%
  sqrt

b %<>% sqrt
identical(a, b) ## 结果一致

## [1] TRUE