前言
最近写论文的时候又一次用到了R。这次我是对Java有一定程度了解后再次转向R，才真正认识到R这门语言在统计编程和数据可视化领域的优雅和快速。
首先可以看一段Java的stream代码：
redisUtils.opsForHashValues(Const.COOP_PREFIX.getInfo() + msg.getBlogId(), msg.getFromId().toString()).stream().
map(userStr -> redisUtils.readValue(userStr, UserEntityVo.class)).
filter(user -> !fromId.equals(user.getId())).
forEach(user -> {
msg.setToOne(user.getId());
rabbitTemplate.convertAndSend(
CoopRabbitConfig.WS_TOPIC_EXCHANGE,
CoopRabbitConfig.WS_BINDING_KEY + user.getServerMark(),
msg);
});
这段代码大概就是将缓存的数据读取出来，反序列化成Java的对象，然后进行筛选，然后把筛选出的每个对象做一次消息的发送。在这里"->"这个箭头就是Java的lambda表达式，它支持了Java的函数式编程。这和R有什么关系呢？
函数式编程往往是和链式调用结合的，能让代码可读性得到增强。在些R的画图案例之前，先执行这段R代码：
c('tidyverse', 'stargazer', 'plm', 'sandwich', 'lmtest', 'ggpubr', 'showtext', 'rticles',
'maps', 'see','bookdown') |>
lapply(\(pkg) {
if (system.file(package = pkg) == '') {
install.packages(pkg)
}
library(pkg, character.only = TRUE)
})
这里把lapply()这个base R的函数换成purrr::map()也是可以的（我发现Hadley Wickham似乎有某种代码洁癖喜欢重写很多本来可以将就用的api）。这段逻辑也很简单，构造一个数组，数组里是一些R的常用包，对于这些包依次迭代（依次就是lapply函数的作用），对于已经安装的就加载，没有安装的就安装后加载。这里的"|>"就是R官方native的管道符号，是最近R 4.1.0更新加入的。通过"|>"可以将数组传入到lapply函数的第一个参数位置，第一个参数由此就可以省略了。lapply函数第二个参数是一个FUN，也就是一个函数，这里直接传入了一个匿名函数，去判断系统安装这个包没。从这里也能看出R和Java的异同：Java不管是任何方法都不可能直接将一个方法作为方法的参数，只能通过匿名实现类这种方式模拟出函数式编程的效果，而R这种函数式语言当然是可以的，现在的新语言比如Golang也是可以直接往函数里传一个函数的。尽管在R4.1.0以前，"|>"一般是被magrittr这个第三方库使用"%>%"去实现，但是我相信大多数人写这段代码时都会写成：
lapply(c('tidyverse', 'stargazer', 'plm', 'sandwich', 'lmtest', 'ggpubr', 'showtext', 'rticles', 'maps', 'see','bookdown'), function(pkg) {
if (system.file(package = pkg) == '') {
install.packages(pkg)
}
library(pkg, character.only = TRUE)
showtext_auto()
})
从上面这段代码看不到任何函数式编程的感觉，或者说没有了管道符号的加持代码显得不美。不过这也是没办法的事情，因为R原生就不支持lambda风格的管道符，但是为了写一些基于base R的代码就把magrittr这个包导进来显得很狼狈。可以说R 4.1.0推出的"|>"符号会大幅度优美化这个语言。
绘图代码
使用R绘图，如果不出意外应该还是基于ggplot2去作图，除了初学者以外现在国际主流应该是不推荐使用诸如plot(data, x, y)这种函数了。在绘图前一般需要对数据进行处理，基于函数式编程当然是使用dplyr。
直接画图
例如我需要画一幅折线图，其中这张图有三条折线，三条折线都是来源与这张表的三个变量，需要三个变量随时间的变化趋势：
表格类似于这个样子：
| Year | HighTech | HighLab | HighCap |
|---|---|---|---|
| 1998 | 48.37 | 32.96 | 29.26 |
| 1999 | 51.84 | 31.74 | 32.06 |
| 2000 | 55.57 | 29.61 | 36.55 |
| 2001 | 55.82 | 30.59 | 36.91 |
代码为：
read_csv("data/tech-lab.csv") |>
ggplot() +
geom_line(aes(Year, HighTech / 100, col = "高技术人力密集度")) +
geom_line(aes(Year, HighLab / 100, col = "高劳力密集度")) +
geom_line(aes(Year, HighCap / 100, col = "高资本密集度")) +
ylab("百分位点") +
xlab("年份") +
scale_y_continuous(labels = scales::percent) +
scale_x_continuous(breaks = seq(1998, 2021, 3)) +
labs(col = "类型")
这里我将"%>%"替换成了"|>"，这两者当然是有区别的，但是现在不推荐写"%>%"了。实际上purrr官网已经不推荐写"%>%"管道符，它注定会逐渐退出历史舞台。首先通过read_csv()将磁盘的文件读入内存，然后用"|>"传递给ggplot()的第一个参数，所以ggplot()也就可以空参了。每一个geom_line()函数其实就是一个图层，熟悉ps应该了解这个概念。三个geom_line()其实就是三个图层叠加在一起。aes()中需要指定x轴和y轴放什么变量，col其实是colour的缩写（也可以是color的缩写），ylab和xlab指定了横坐标和纵坐标，scale_y_continuous和scale_x_continuous指定y轴和x轴显示规则，最终生成的图片如下：
数据处理后画图
当然很多时候我们可能希望玩的更优雅一些，能不能先加工一波数据然后再画图，其实也是一样的道理：
| State | Export | Inport | FDI | Year |
|---|---|---|---|---|
| A国 | 48.37 | 32.96 | 29.26 | 1999 |
| B国 | 51.84 | 31.74 | 32.06 | 2000 |
| C国 | 55.57 | 29.61 | 36.55 | 2001 |
| D国 | 55.82 | 30.59 | 36.91 | 2002 |
data |>
filter(State %in% ASEAN, !is.na(Export), !is.na(Inport), !is.na(FDI)) |>
select(State, Export, Inport, FDI, Year) |>
group_by(Year) |>
mutate(expSum = sum(Export), inpSum = sum(Inport), fdiSum = sum(FDI)) |>
ggplot() +
geom_line(aes(Year, expSum, col = '进口')) +
geom_line(aes(Year, inpSum, col = '出口')) +
geom_line(aes(Year, fdiSum, col = '投资')) +
ylab("数额（千美元）") +
xlab("年份") +
scale_x_continuous(breaks = seq(1981, 2019, 3)) +
labs(col = "地区")
这里希望画一幅东协国家进口、出口和投资的数额随年份变化的时间序列图。于是首先将数据data使用"|>"传入到filter()的第一个参数，后面的参数就指定筛选规则：国家在东协且三个核心变量不为缺失值。然后选取State, Export, Inport, FDI, Year这几列，其他列在这幅图不考虑，然后根据年份group_by()分组，然后使用mutate()将每年的总进口、出口、和投资生成三个新的变量列。这一步做完，其实新列每个国家都是相同的，理论上我们只需要挑选出东协任意国再进行绘图。但是ggplot不需要显式处理这步，它自己会帮你做了。接下来将数据传下去让ggplot()绘图。这里看出每一步都使用"|>"的效果就是每一个函数的第一个参数都不需要写，非常的优雅。图片如下：
画个地图
有时候也希望玩一些高级操作，比如画个地图。画地图有个坑就是地图本质是依赖经纬度数据，一定要注意这个地图的经纬度数据有没有问题（一些众所周知的担忧）。
world <- map_data("world") |>
filter(region != "Antarctica")
data1993 <- data |>
filter(Year == 1993, !is.na(Export)) |>
select(State, Export, Year) |>
mutate(百分比 = (Export / sum(Export)) * 100)
data2016 <- data |>
filter(Year == 2016, !is.na(Export)) |>
select(State, Export, Year) |>
mutate(百分比 = (Export / sum(Export)) * 100)
data2016 <- data2016 |>
filter(data2016$State %in% data1993$State)
data1993 <- data1993 |>
filter(data1993$State %in% data2016$State)
suppressMessages(bind_cols(data1993$State, data2016$百分比 - data1993$百分比)) |>
rename(地区 = ...1, 百分比变动 = ...2) |>
ggplot(aes(map_id = 地区)) +
geom_map(aes(fill = 百分比变动), map = world) +
scale_fill_distiller(palette = "Set2",direction= 1) +
expand_limits(x = world$long, y = world$lat) +
xlab("经度") +
ylab("纬度")
这里做的并不像之前的图那么优雅，因为这个图的数据复杂一些。map_data("world")这个数据对于中国边界的经纬度数据是由一些问题的，如果要出版的话要尤为注意：
总结
由此，在R 4.1.0推出原生管道符以后，R的语法实际上已经无懈可击了。正如GraalVM也支持R一样可以看出顶级开发者对R的重视。R若仅仅是画图功能也不显得出众，结合R Markdown以后才是极大提升了生产力。我比较喜欢这种布局，将各个章节分散在不同的.rmd文件中：
---
title: ''
author:
- C
header-includes:
- \usepackage{lscape}
- \usepackage{ctex}
papersize: 'a4'
geometry: 'margin=1.75in'
keywords:
- A
- B
indent: true
output:
bookdown::pdf_document2:
latex_engine: xelatex
fig_caption: yes
number_sections: yes
toc_depth: 2
toc: yes
bibliography: bibliography.bib
---
```{r, include=FALSE}
c('tidyverse',
'stargazer',
'plm',
'sandwich',
'lmtest',
'ggpubr',
'showtext',
'rticles',
'maps',
'see',
'bookdown') |>
lapply(\(pkg) {
if (system.file(package = pkg) == '') {
install.packages(pkg)
}
library(pkg, character.only = TRUE)
})
showtext_auto()
data <- read_csv('data/data.csv')
ASEAN <- c('Malaysia', 'Indonesia', 'Thailand', 'Philippines', 'Singapore', 'Vietnam', 'Brunei', 'Laos', 'Myanmar', 'Cambodia')
\```
```{r child = ' 00-abstract.Rmd '}
\```
\newpage
```{r child = ' 01-intro.Rmd '}
\```
\newpage
```{r child = ' 02-review.Rmd '}
\```
\newpage
# 参考文献