R4marketing | канал Алексея Селезнёва | Язык R. Страница 8

 
library(tidyRSS)
url <- 'https://habr.com/ru/rss/hub/r/'

rss_fead <- tidyfeed(url)

 
tibble [20 × 14] (S3: tbl_df/tbl/data.frame)
 $ feed_title          : chr [1:20] "R – Язык для статистической обработки данных" ...
 $ feed_link           : chr [1:20] "https://habr.com/ru/hub/r/all/" ...
 $ feed_description    : chr [1:20] "R – Язык для статистической обработки данных" ...
 $ feed_language       : chr [1:20] "ru" ...
 $ feed_managing_editor: chr [1:20] "[email protected]" ...
 $ feed_pub_date       : POSIXct[1:20], format: "2022-06-10 19:05:38" ...
 $ feed_category       : Named chr [1:20] "Python" ...
  ..- attr(*, "names")= chr [1:20] "category" ...
 $ feed_generator      : chr [1:20] "habr.com" ...
 $ item_title          : chr [1:20] "Кто за всех решил, что python удобен для «гражданской» аналитики?" ...
 $ item_link           : chr [1:20] "https://habr.com/ru/post/670250/?utm_campaign=670250&utm_source=habrahabr&utm_medium=rss" ...
 $ item_description    : chr [1:20] "«Гарри Поттер и философский камень», (2001)ИТ-шником (программистом) нынче быть привлекательно. Дата саентистом"| __truncated__ ...
 $ item_pub_date       : POSIXct[1:20], format: "2022-06-08 07:32:44" ...
 $ item_guid           : chr [1:20] "https://habr.com/ru/post/670250/" ...
 $ item_category       :List of 20

 
install.packages("devtools")
devtools::install_github("kevinsblake/NatParksPalettes")

 
library(ggplot2)
library(NatParksPalettes)

ggplot(data=iris, aes(x=Species, y=Petal.Length, fill=Species)) +
  geom_violin() +
  scale_fill_manual(values=natparks.pals("Yellowstone", 3))

ggplot(data=iris, aes(x=Sepal.Length, y=Sepal.Width, color=Species)) +
  geom_point(size=2) +
  scale_color_manual(values=natparks.pals("Banff", 3))

ggplot(data=iris, aes(x=Species, y=Sepal.Width, color=Sepal.Width)) +
  geom_point(size=3) +
  scale_color_gradientn(colors=natparks.pals("Arches2"))

 
library(nplyr)

gm_nest <- 
  gapminder::gapminder_unfiltered %>%
  tidyr::nest(country_data = -continent)

gm_nest
#> # A tibble: 6 × 2
#>   continent country_data        
#>   <fct>     <list>              
#> 1 Asia      <tibble [578 × 5]>  
#> 2 Europe    <tibble [1,302 × 5]>
#> 3 Africa    <tibble [637 × 5]>  
#> 4 Americas  <tibble [470 × 5]>  
#> 5 FSU       <tibble [139 × 5]>  
#> 6 Oceania   <tibble [187 × 5]>

 
gm_nest %>%
  nest_filter(country_data, year == max(year)) %>%
  nest_mutate(country_data, pop_millions = pop/1000000) %>%
  slice_head(n = 1) %>%
  tidyr::unnest(country_data)

 
gm_nest %>%
  tidyr::unnest(country_data) %>%
  group_by(continent) %>%
  filter(year == max(year)) %>%
  mutate(pop_millions = pop/1000000) %>%
  ungroup() %>%
  filter(continent == "Asia")

 
gm_nest %>%
  nest_group_by(country_data, year) %>%
  nest_summarise(
    country_data, 
    n = n(),
    lifeExp = median(lifeExp),
    pop = median(pop),
    gdpPercap = median(gdpPercap)
  )

 
library(tidyverse)

## Функция чтения списка файлов
## Список расширений файлов можно менять на своё усмотрение
read_r_files <- function(...) {
  dirs <- unlist(list(...))
  r <- unlist(lapply(dirs, list.files,
                     pattern = "\\.(R|Rmd|Rmarkdown|rmd|r|Rhistory)$",
                     recursive = TRUE,
                     full.names = TRUE,
                     all.files = TRUE))
  suppressWarnings( x <- unlist(lapply(r, tfse::readlines)))
  x
}

## Читаем все R файлы
rss <- read_r_files(c(r"(C:\Users\Ashel\Documents)", r"(C:\my_develop_workshop)"))


## из каждого файла забираем всё, что идёт до знака присваивания "<-"
df_names <- rss %>% 
  stringr::str_extract("\\w+(?=.*<-)") %>% 
  na.omit() %>% 
  table(df_name = .) %>% 
  as_tibble()

## выводим рейтинг наиболее используемых имён
df_names %>% 
  arrange(-n)