O que são funcões?

Funções são tudo que gera um output em R. Absolutamente tudo. R é definido como uma linguagem funcional de programação, o que significa que todas os comandos que retornam algum resultado em R vem de uma função. Por exemplo:

# Crie um objeto
x <- sample(1:100, 10)

# Aplique a função para extrair a média
mean(x)

## [1] 33.8

mean() é uma função pré-definida no R. Assim como a função sample() que usamos acima também.

Argumentos

Diferente de objetos, que usamos para guardar valores, funções funcionam em uma lógica de input e output. Chamamos os inputs de uma função de Argumentos, e são os argumentos que vão dentro dos parentesis de cada função. Os outputs de uma função são seus resultados.

function(arg1, arg2, arg3, arg4, ....)

Como vimos anteriormente, pacotes são somente um conjunto novo de funções que você baixou da internet, e que foi criado para ser compartilhado ao público. Por exemplo:

• dplyr: pacote com funções para manipulação de dados.
• ggplot2: pacote com funções de visualização.
• wesanderson: funções para gerar paleta de cores dos filmes do Wes Anderson em R.

Além dos pacotes, o R vem com alguns funções pré-construídas. Por exemplo, paste(), mean(), sd(), c(), dim(), class(), typeof(), as.character(), ente muitas outras são funções da base do R.

Desafio 1.

Com base no que discutimos, expliquem-me como a função c() funciona. Qual seu output? Quais os argumentos?

?c

Criando nossas próprias funções.

Com frequência, no entanto, estaremos interessados em escrever nossas próprias funções. Mesmo que você nunca crie um pacote em R, você certamente precisará escrever suas funções para repetir suas rotinas em R.

Vamos construir uma função simples que adiciona dois valores. Aqui, a função terá dois argumentos, em outras palavras, dois valores que precisam ser inseridos para que a função seja executada.

Construir funções ajudará você a optimizar seu código, e principalmente, a compreender melhor os códigos de outros programadores e como seus pacotes funcionam.

some_me <- function( argument1, argument2 ){
  value <- argument1 + argument2
  return(value) # "return" define qual o output da sua função. 
}

some_me(2,3)

## [1] 5

some_me(100,123)

## [1] 223

some_me(60,3^4)

## [1] 141

# Podemos definir valores básicos para cada argumento
# function will still run.
some_me <- function( argument1=1, argument2=2 ){
  value <- argument1 + argument2
  return(value) 
}
some_me()

## [1] 3

some_me(4,5)

## [1] 9

A estrutura básica da função é a seguinte:

• o nome: soma_me;
• os argumentos: argument1 e argument2;
• o corpo: todo o código entre os {}; e
• o retorno:

Exemplo:

nome_da_funcao <- function(x,y,z){ ## Argumentos
  ### Corpo: o que a função faz
    
    out <- what the function does.
  
  ### Conclui Corpo.
    
    return(out) ## output
}
  ## fecha a função

Quando você deve escrever uma função?

A famosa sugestão de Hadley Wickham - um dos principais desenvolvedores de R.

\[ \texttt{"You should consider writing a function whenever} \\ \texttt{you’ve copied and pasted a block of code more than twice} \]

Teremos uma semana inteira sobre programação funcional em R. Por isso, vamos encerrar por aqui essa breve introdução a funções. Caso você queira se adiantar, pode checar o capítulo 20 do R for Data Science de Hadley Wickham. Ou este excelente tutorial sobre programação funcional escrito por Rebeca Barter

Exemplo 1.

Um for loop funciona basicamente iterando determinado código através de uma série de ítems salvo em um objeto de R. O código abaixo printa cada cidade em que morei.

cidades_onde_morei <- c("belem", "sao paulo", "rio de janeiro", "berlim", "brasilia", "dc", "rio de janeiro")

# for loop

for(cidades in cidades_onde_morei){ #iterador
  # o que repetir
  print(cidades)
  
}

## [1] "belem"
## [1] "sao paulo"
## [1] "rio de janeiro"
## [1] "berlim"
## [1] "brasilia"
## [1] "dc"
## [1] "rio de janeiro"

Há dois componentes importantes nos for loops.

1. for(item in conjunto_de_items): a sequências

   –iterador: íterador. ítem que iremos indexar nossas operações. – conjunto_de_items: objeto de onde tiramos nosso iterador.

2. Os paretesis {}

   – Tudo feito pelos loops vai aqui dentro. – Incluindo como você salvará os outputs.

Exemplo 2: Tornando o loop mais geral.

Para tornar os loops mais gerais, normalmente utilizamos \(i\) como iterador, e em formato numérico. O que significa que estamos dizendo ao R para repetir determinada operação indexando cada repetição pelo número \(i\)

Vamos a um exemplo. Vamos escrever o mesmo loop acima, porém usando indexes numéricos.

for(i in 1:length(cidades_onde_morei)){ #iterador
  # o que repetir
  print(i)
  print(cidades_onde_morei[i])
  
}

## [1] 1
## [1] "belem"
## [1] 2
## [1] "sao paulo"
## [1] 3
## [1] "rio de janeiro"
## [1] 4
## [1] "berlim"
## [1] 5
## [1] "brasilia"
## [1] 6
## [1] "dc"
## [1] 7
## [1] "rio de janeiro"

Exemplo 3: Abstraindo do concreto.

Vamos ao nosso último exemplo de loops. Continuaremos trabalhando com os bancos de dados do show “The British Baking”. Desta vez, vamos trabalhar com o banco de dados sobre as avaliações de cada episódio. Nosso objetivos é tirar uma média do sucesso de cada temporada

library(bakeoff)
data("ratings_seasons")
glimpse(ratings_seasons)

## Error in glimpse(ratings_seasons): could not find function "glimpse"

Vamos fazer temporada por temporada.

# Quantas temporadas?
temporadas <- unique(ratings_seasons$series)
temporadas

## [1] 1 2 3 4 5 6 7 8

# Média de visualizacao

#Temporada 1
temporada_1 <- ratings_seasons[ratings_seasons$series==temporadas[1], ]
mean(temporada_1$viewers_7day)

## [1] 2.77

#Temporada 2
temporada_2 <- ratings_seasons[ratings_seasons$series==temporadas[2], ]
mean(temporada_2$viewers_7day)

## [1] 3.95125

#Temporada 3
temporada_3 <- ratings_seasons[ratings_seasons$series==temporadas[3], ]
mean(temporada_3$viewers_7day)

## [1] 5.001

Fazer isso para 7 temporadas passara a regra do Hadley Wickham de não repetir o código mais de três vezes. Para nos mantermos fiéis a regra, vamos escrever um loop.

Este é exatamente o tipo de tarefa onde loops podem tornar a vida de alguém mais fácil! Ao fazer um loop por temporadas, podemos automatizar esse processo para que seja muito mais rápido.

Esse processo de abstração do loop funciona essencialmente assim:

1. Especifíque a duração de algo que deseja percorrer. No nosso caso, é o número de temporadas.

2. Configure o código de forma que cada iteração execute apenas uma manipulação em um único subconjunto por vez.

3. Salve o conteúdo de cada iteração em um novo objeto que não será sobrescrito. Aqui, queremos pensar em termos de “empilhamento” dos resultados ou concatená-los.

Na prática, leia seu código, e veja o que se repete e o que se mantêm. E o torne mais geral.

# Crie um container para salvar seus outputs
container <- list()

for(i in 1:length(temporadas)){
 temp=ratings_seasons[ratings_seasons$series==temporadas[i], ]
 container[[i]] <- mean(temp$viewers_7day)  
  
}
container

## [[1]]
## [1] 2.77
## 
## [[2]]
## [1] 3.95125
## 
## [[3]]
## [1] 5.001
## 
## [[4]]
## [1] 7.354
## 
## [[5]]
## [1] 10.0393
## 
## [[6]]
## [1] 12.311
## 
## [[7]]
## [1] 13.563
## 
## [[8]]
## [1] 9.017

Desafio 3

O que acontece se eu alterar o loop dessa forma?

# Crie um container para salvar seus outputs
container <- list()

for(i in 1:length(temporadas)){
 temp=ratings_seasons[ratings_seasons$series==temporadas[i], ]
 container <- mean(temp$viewers_7day)  ## Alteração aqui.
  
}

container

E desta forma?

container <- list()

for(i in temporadas){ # Aqui
 temp=ratings_seasons[ratings_seasons$series==i,] # Aqui
 container[[i]] <- mean(temp$viewers_7day)  ## Alteração aqui. 
  
}

container

Condições Múltiplas

idade= 30

if(idade>=65) {
  print("Vacina em Fevereiro")
} else if(idade > 60 & idade <65) {
  print("Vacina até junho")
} else {
    print("Espere 2022")
  }

## [1] "Espere 2022"

x <- sample(1:100, 10)

media_tiago <- function(vector){

  # advinhacao
  if(is.numeric(vector)){
  
    # Calcule a média
    mean(vector)
      
  } else{
    print("Seu vetor não é numérico")
  }
  
}

media_tiago(x)

## [1] 57.6

media_tiago("hello world")

## [1] "Seu vetor não é numérico"