27 Vlastní funkce
R nabízí širokou nabídku funkcí pro analýzu dat. Tuto nabídku je možné dále rozšířit balíčky jako tidyverse. Čas od času se ale dostaneme do situace, kdy nám žádná z předpřipravených funkcí nestačí. Naštěstí pro nás nám R umožňuje jednoduše vytvářet funkce vlastní . Obecná poučka říká, že každý kus kódu, který se v našem skriptu opakuje víc než dvakrát, by měl být nahrazen funkcí. Tím si nejen ušetříme čas při analýze, ale také snížíme šanci, že se někde v kódu upíšeme a uděláme chybu.
Funkce v R jsou objekty a je tedy možné je vytvářet stejným způsobem, jakým bychom vytvořili například dataframe. Vlastní funkci vytvoříme pomocí funkce function(), následované složenými závorkymi. Uvnitř jednoduchých závorek můžeme definovat jednotlivé argumenty, uvnitř složených závorek poté definujeme funkci samotnou. Obecně vypadá definice nové funkce takto:
nazev_funkce <- function(argument1, argument2, ...) {
# Definice funkce
}Vytváření funkcí si ukážeme na několika případech.
27.1 Počet chybějících hodnot v proměnné
Jednou z častých operací, kterou v rámci analýzy budeme provádět, je počítat množství chybějících hodnot v proměnné. Poněkud překvapivě, R neobsahuje funkci, která by pro nás chybějící hodnoty spočítala. Musíme proto využít kombinace funkcí is.na() a sum(). Například pro spočítáná chybějících hodnot u proměnné gdp:
sum(is.na(countries$gdp))[1] 3Pro pohodlnost si vytvoříme vlastní funkci jménem count_na(). Pro začátek bude mít tato funkce jeden argument, a to proměnnou, pro které chceme počet chybějících hodnot spočítat:
count_na <- function(x) {
na_count <- sum(is.na(x))
return(na_count)
}Útroby této funkce vypadají podobně jako předchozí kód, jen název proměnné je nahrazen generickým argumentem x. Výsledek je uložený do objektu na_count (existujícím pouze uvnitř této funkce). Spočítanou hodnotu poté exportujeme z naší funkce pomocí return(). Takto vytvořenou funkci můžeme využívat tak, jak jsme zvyklí:
countries %>%
summarise(across(.cols = everything(),
.fns = count_na)) %>%
pivot_longer(cols = everything(),
values_to = "missings_count")# A tibble: 17 × 2
name missings_count
<chr> <int>
1 country 0
2 code 0
3 gdp 3
4 population 1
5 area 0
6 eu_member 0
7 postsoviet 0
8 life_exp 1
9 uni_prc 3
10 poverty_risk 5
11 material_dep 5
12 hdi 0
13 foundation_date 0
14 maj_belief 0
15 dem_index 1
16 di_cat 1
17 hd_title_name 0Naše funkce spočítá absolutní frekvenci chybějících hodnot v proměnné. Co kdybychom ale chtěli relativní frekvenci, tedy podíl chybějících hodnot z celkového množství pozorování? Toho docílíme tak, že naši funkci rozšíříme o další argument, relative. Pokud bude hodnota tohoto argumentu TRUE, bude počet chybějících hodnot vydělen počtem všech hodnot v proměnné.
count_na <- function(x, relative = FALSE) {
na_count <- sum(is.na(x))
if(relative){
na_count <- na_count / length(x)
}
return(na_count)
}Všimněme si, že oproti předchozí verzi, jsme v naší funkci udělali několik změn. Zaprvé jsme přidali argument relative, jehož výchozí hodnotu jsme nastavili na FALSE (ve výchozím nastavení tedy funkce počítá absolutní počet chybějících hodnot). Dále jsme přidali blok začínající funkcí if(). Tato funkce zkontroluje, jestli je hodnota argumentu relative rovná TRUE a pokud ano, vydělí počet chybějících hodnot celkovou délkou proměnné x. Funkci používáme tak, jak jsme zvyklí:
countries %>%
summarise(across(.cols = everything(),
.fns = count_na, relative = TRUE)) %>%
pivot_longer(cols = everything(),
values_to = "missings_count")# A tibble: 17 × 2
name missings_count
<chr> <dbl>
1 country 0
2 code 0
3 gdp 0.0789
4 population 0.0263
5 area 0
6 eu_member 0
7 postsoviet 0
8 life_exp 0.0263
9 uni_prc 0.0789
10 poverty_risk 0.132
11 material_dep 0.132
12 hdi 0
13 foundation_date 0
14 maj_belief 0
15 dem_index 0.0263
16 di_cat 0.0263
17 hd_title_name 0 27.2 Graf pro likertovské položky
Komplexnějším příkladem vlastní funkce je vytvoření grafu pro baterii likertovských položek. Přestože vytvoření takového grafu je pomocí ggplot2 možné, jde o poměrně zdlouhavý proces. Jako příklad si můžeme ukázat vizualizaci položek týkajících se postojů veřejnosti o válce na Ukrajině. Data pochází z dotazníkového šetření Centra pro průzkum veřejného mínění z března 2022. Data jsou rozdělena do dvou dataframů. První z nich, ukraine, obsahuje odpovědi respondentů a druhý, ukraine_labels, obsahuje zjednodušené znění jednotlivých položek.
ukraine <- read_rds("data-raw/ukraine.rds")
ukraine_labels <- read_rds("data-raw/ukraine_labels.rds")Pro vytvoření grafu popisující postoje občanů k různým formám zapojení zemí do války vypadá následovně:
library(RColorBrewer)
library(scales)
likert_palette <- c("grey70", brewer.pal(4, "RdYlGn"))
ukraine %>%
select(starts_with("PL_5")) %>%
pivot_longer(cols = everything(),
names_to = "item",
values_to = "response") %>%
left_join(ukraine_labels, by = "item") %>%
count(label, response) %>%
filter(!is.na(response)) %>%
group_by(label) %>%
mutate(freq = n / sum(n),
freq_label = percent(freq, accuracy = 1),
positive = sum(freq[response %in% c("rozhodně by mělo", "spíše by mělo") ])) %>%
ungroup() %>%
mutate(label = fct_reorder(label, positive),
response = fct_rev(response)) %>%
ggplot(aes(x = freq, y = label, label = freq_label, fill = response)) +
geom_col() +
geom_text(position = position_stack(vjust = 0.5),
color = "white",
size = 3) +
scale_x_continuous(labels = percent_format()) +
scale_fill_manual(values = likert_palette) +
labs(x = element_blank(),
y = element_blank(),
fill = element_blank(),
title = "Jaké kroky by podle vás mělo podniknout mezinárodní společenství tváří v tvář\nválce na Ukrajině? Mělo by...") +
theme_minimal() +
theme(legend.position = c(0.3, -0.17),
panel.grid.major.y = element_blank(),
plot.title.position = "plot",
plot.margin = unit(c(0,0,3.5,0), 'lines')) +
guides(fill = guide_legend(label.position = "bottom",
keywidth = 5,
reverse = TRUE,
direction = "horizontal"))
Uf… asi si dokážeme představit, že použít takto monstrózní kus kódu opakovaně je nejen otravné, ale i recept na to něco zkazit. Naštěstí pro nás, většina kódu zůstané při každém použití stejná. Jediné, co se bude měnit jsou 1) použitá data, 2) barevná paleta, 3) odpovědi, podle kterých jsou položky seřazeny, 4) název a 5) dataframe obsahující znění položek. Vytvořme si funkci plot_likert, která tento graf udělá za nás:
plot_likert <- function(data, color_palette, order_by, title, var_labels) {
data %>%
pivot_longer(cols = everything(),
names_to = "item",
values_to = "response") %>%
left_join(var_labels, by = "item") %>%
count(label, response) %>%
filter(!is.na(response)) %>%
group_by(label) %>%
mutate(freq = n / sum(n),
freq_label = percent(freq, accuracy = 1),
positive = sum(freq[response %in% order_by ])) %>%
ungroup() %>%
mutate(label = fct_reorder(label, positive),
response = fct_rev(response)) %>%
ggplot(aes(x = freq, y = label, label = freq_label, fill = response)) +
geom_col() +
geom_text(position = position_stack(vjust = 0.5),
color = "white",
size = 3) +
scale_x_continuous(labels = percent_format()) +
scale_fill_manual(values = color_palette) +
labs(x = element_blank(),
y = element_blank(),
fill = element_blank(),
title = title) +
theme_minimal() +
theme(legend.position = c(0.3, -0.17),
panel.grid.major.y = element_blank(),
plot.title.position = "plot",
plot.margin = unit(c(0,0,3.5,0), 'lines')) +
guides(fill = guide_legend(label.position = "bottom",
keywidth = 5,
reverse = TRUE,
direction = "horizontal"))
}Definice naší funkce vypadá téměř identicky jako původní kód, pět výše zmíněných částí jsme strategicky nahradili argumenty naší funkce. Jakmile je funkce vytvořené, je možné jí aplikovat na data. Kód pro vytvoření grafu se smrknul z třiceti řádků na šest:
ukraine %>%
select(starts_with("PL_5")) %>%
plot_likert(color_palette = likert_palette,
order_by = c("rozhodně by mělo", "spíše by mělo"),
title = "Jaké kroky by podle vás mělo podniknout mezinárodní společenství tváří v tvář\nválce na Ukrajině? Mělo by...",
var_labels = ukraine_labels)
Naší funkci můžeme stejně jednoduše aplikovat na druhou baterii v datech, týkající se vnímané hrozby použití atomových zbraní:
likert_palette2 <- c("grey70", rev(brewer.pal(4, "RdYlBu")))
ukraine %>%
select(starts_with("PL_6")) %>%
plot_likert(color_palette = likert_palette2,
order_by = c("velmi se obává", "trochu se obává"),
var_labels = ukraine_labels,
title = "Obáváte se, že Rusko může použít jaderné zbraně…")
Jak je vidět, vytvořením vlastní funkce si můžeme výrazně ulehčit práci, nemluvě o tom, že tím náš kód uděláme čitelnější a robustnější.