add if_any()

_bookdown.yml

@@ -39,6 +39,7 @@ rmd_files: [
   "adv_dplyr.Rmd",
   "colwise.Rmd",
   "beauty_of_across.Rmd",
+  "beauty_of_across2.Rmd",
   "tidyverse_NA.Rmd",
   "dot.Rmd",
   "tidyeval.Rmd",

beauty_of_across2.Rmd

@@ -0,0 +1,145 @@
+# tidyverse中的across()之美2 {#beauty-of-across2}
+
+```{r beauty-of-across2-1}
+library(tidyverse)
+library(palmerpenguins)
+```
+
+
+## 曾经的痛点
+
+dplyr 1.0.0 引入了`across()`函数，让我们再次感受到了dplyr的强大和人性化。
+`across()`函数与`summarise()`和`mutate()`函数配合起来使用，非常方便（参考第 \@ref(beauty-of-across) 章），
+但与`filter()`函数不是很理想，比如我们想**筛选数据框有缺失值的行**
+
+```{r beauty-of-across2-2}
+penguins %>% 
+  filter( across(everything(), any_vars(is.na(.)))
+)
+```
+
+代码能运行，但结果明显不正确。我搜索了很久，发现只能用dplyr 1.0.0之前的`filter_all()`函数实现， 
+
+```{r beauty-of-across2-3}
+penguins %>% 
+  filter_all( any_vars(is.na(.)) )
+```
+
+多少让人感觉，在追求简约道路上，还是有美中不足。
+
+
+
+## dplyr 1.0.4: if_any() and if_all()
+
+如今，dplyr 1.0.4推出了 `if_any()` and `if_all()` 两个函数，正是弥补这个缺陷
+
+
+```{r beauty-of-across2-41, out.width = '90%', echo = FALSE}
+knitr::include_graphics("images/HotlineDrake10.jpg")
+```
+
+
+```{r beauty-of-across2-4}
+penguins %>% 
+  filter(if_any(everything(), is.na))
+```
+
+
+
+从函数形式上看，`if_any` 对应着 `across`的地位，
+
+```r
+across(.cols = everything(), .fns = NULL, ..., .names = NULL)
+
+if_any(.cols, .fns = NULL, ..., .names = NULL)
+
+if_all(.cols, .fns = NULL, ..., .names = NULL)
+```
+
+
+这就意味着**列方向我们有across()，行方向我们有if_any()/if_all()了**，可谓 纵横武林，倚天屠龙、谁与争锋?
+
+
+## 案例赏析
+
+下面通过一些例子展示下这两个新函数，其中一部分案例来自[官网](https://www.tidyverse.org/blog/2021/02/dplyr-1-0-4-if-any/)。
+
+
+- 筛选有缺失值的行
+```{r beauty-of-across2-5}
+penguins %>% 
+  filter(if_any(everything(), is.na))
+```
+
+
+
+- 筛选全部是缺失值的行
+```{r beauty-of-across2-6}
+penguins %>% 
+  filter(if_all(everything(), is.na))
+```
+
+
+
+
+
+- 筛选企鹅嘴峰(长度和厚度)全部大于21mm的行
+```{r beauty-of-across2-7}
+penguins %>% 
+  filter(if_all(contains("bill"), ~ . > 21))
+```
+
+
+- 筛选企鹅嘴峰(长度或者厚度)大于21mm的行
+```{r beauty-of-across2-8}
+penguins %>% 
+  filter(if_any(contains("bill"), ~ . > 21))
+```
+
+
+
+
+
+- 在指定的列(嘴峰长度和厚度)中检查每行的元素，如果这些元素都大于各自所在列的均值，就保留下来
+```{r beauty-of-across2-9}
+bigger_than_mean <- function(x) {
+  x > mean(x, na.rm = TRUE)
+}
+
+penguins %>% 
+  filter(if_all(contains("bill"), bigger_than_mean))
+```
+
+
+- 在指定的列(嘴峰长度和嘴峰厚度)中检查每行的元素，如果这些元素都大于各自所在列的均值，就"both big"；如果这些元素有一个大于自己所在列的均值，就"one big"，(注意case_when中if_all要在if_any之前)
+
+```{r beauty-of-across2-10}
+penguins %>% 
+  filter(!is.na(bill_length_mm)) %>% 
+  mutate(
+    category = case_when(
+      if_all(contains("bill"), bigger_than_mean) ~ "both big", 
+      if_any(contains("bill"), bigger_than_mean) ~ "one big", 
+      TRUE                          ~ "small"
+    ))
+```
+
+
+
+
+
+```{r beauty-of-across2-23, echo = F}
+# remove the objects
+# ls() %>% stringr::str_flatten(collapse = ", ")
+
+#rm(cutoffs, d1, d2, df, mult, std, weights, replace_col_max)
+```
+
+
+
+```{r beauty-of-across2-24, echo = F, message = F, warning = F, results = "hide"}
+pacman::p_unload(pacman::p_loaded(), character.only = TRUE)
+```
+
+
+

index.Rmd

@@ -91,6 +91,7 @@ knitr::include_graphics("images/rbook1.png")
    - 第 \@ref(advR) 章介绍tidyverse进阶技巧
    - 第 \@ref(colwise) 章介绍数据框的列方向和行方向
    - 第 \@ref(beauty-of-across) 章介绍tidyverse中的across()之美
+   - 第 \@ref(beauty-of-across2) 章介绍tidyverse中的across()之美(续篇)
    - 第 \@ref(tidyverse-NA) 章介绍tidyverse中的NA
    - 第 \@ref(dot) 章介绍tidyverse中的dot
    - 第 \@ref(tidyeval) 章介绍非标准性评估