第一節：自訂函數(1)

• 目前我們已經學會了許多基本的R語言技巧，但我們慢慢發現我們想做的事情往往需要好幾行程式碼才能達到，我們有沒有可能簡化他呢?

– 自訂函數是一個組合複雜算式的好方法，舉例來說我們經常想要對學生的成績做加分，最常用的手段是「開根號乘以10」，我們可以把函數寫成這樣：

add_score = function (x) {
  sqrt(x)*10
}

add_score(36)

## [1] 60

add_score(58)

## [1] 76.15773

第一節：自訂函數(2)

• 複習一下我們第二節課教到費波納奇數列，他的做法如下：

x = c(1, 1)

for (i in 3:20) {
  x[i] = x[i-1] + x[i-2]
}

x

##  [1]    1    1    2    3    5    8   13   21   34   55   89  144  233  377  610
## [16]  987 1597 2584 4181 6765

• 仔細觀察一下我們的程式，其中20是個可變的數字，我們將其拉到最外面

last.seq = 20

• 這樣是不是就可以整合成一個函數了?

Fibonacci = function (last.seq) {
  x = c(1, 1)

  for (i in 3:last.seq) {
    x[i] = x[i-1] + x[i-2]
  }

  x
}

Fibonacci(10)

##  [1]  1  1  2  3  5  8 13 21 34 55

Fibonacci(20)

##  [1]    1    1    2    3    5    8   13   21   34   55   89  144  233  377  610
## [16]  987 1597 2584 4181 6765

• 是不是方便多了?

第一節：自訂函數(3)

• 另外，假定我們希望擴展費波納奇數列，讓使用者指定起始值，自訂函數也能允許這樣的功能：

Fibonacci = function (a, b, last.seq) {
  x = c(a, b)

  for (i in 3:last.seq) {
    x[i] = x[i-1] + x[i-2]
  }

  x
}

Fibonacci(1, 1, 20)

##  [1]    1    1    2    3    5    8   13   21   34   55   89  144  233  377  610
## [16]  987 1597 2584 4181 6765

Fibonacci(-3, 2, 20)

##  [1]  -3   2  -1   1   0   1   1   2   3   5   8  13  21  34  55  89 144 233 377
## [20] 610

第一節：自訂函數(4)

• 顯然，在剛剛的函數中，當 last.seq < 3 時會產生錯誤

Fibonacci(2, 4, 2)

• 所以，我們需要在函數中加入確認length大小而避免錯誤

– 不要忘記函數「cat()」能與使用者溝通

Fibonacci = function (a, b, last.seq) {
  if (last.seq < 3) {
    cat("last.seq必須大於等於3。")
  } else {
    x = c(a, b)
    
    for (i in 3:last.seq) {
      x[i] = x[i-1] + x[i-2]
    }
    
    x
  }
}

• 現在當last.seq < 3時就會提出警告

Fibonacci(2, 4, 2)

## last.seq必須大於等於3。

– 你也可以將函數「cat()」換成函數「message()」或是函數「stop()」試試看

練習1：質數找尋函數

• 第二節課的尋找質數程式碼相當的長，請你試著將其打包成一個自訂函數，讓使用者指定要尋找「多少以下的質數」

– 記住，某些狀況會產生error，請你預先防止error的產生

– 完整程式碼如下：

max.x = 100

x = 2:max.x
answer.x = rep(TRUE, max.x-1)

for (i in 2:(max.x-1)) {
  n = x[i]
  chech_n = as.integer(sqrt(n))
  for (j in 1:chech_n) {
    if (answer.x[j] == TRUE) {
      if (x[i] %% x[j] == 0) {
        answer.x[i] = FALSE
        break
      }
    }
  }
}

x[answer.x]

##  [1]  2  3  5  7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 67 71 73 79 83 89 97

練習1答案

• 會出現錯誤的地方主要就是max.x輸入2以下的數字，以及他必須為整數：

find_prime_number = function (max.x) {
  if (max.x < 2) {
    message("max.x必須大於等於2。")
  } else {
    max.x = as.integer(max.x)
    x = 2:max.x
    answer.x = rep(TRUE, max.x-1)
    for (i in 2:(max.x-1)) {
      n = x[i]
      chech_n = as.integer(sqrt(n))
      for (j in 1:chech_n) {
        if (answer.x[j] == TRUE) {
          if (x[i] %% x[j] == 0) {
            answer.x[i] = FALSE
            break
          }
        }
      }
    }
    x[answer.x]
  }
}

find_prime_number(100)

##  [1]  2  3  5  7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 67 71 73 79 83 89 97

第二節：合併資料(1)

• 現在讓我們回到上節課所處理的資料檔，這份資料檔最討厭的地方是經常會有重複，所以我們可以使用自訂函數將整個資料整理的過程給打包起來：

• 請按這裡下載上週的檔案

– 這是那些測站在早上5點半的時候所測得的汙染物濃度

• 這是原始的處理程式碼：

dat1 = read.csv("monitoring_1.csv", header = TRUE, fileEncoding = 'CP950')
dat1.clean = dat1[duplicated(dat1) == FALSE,]
dat1.clean

##                   time    device_id s_d0  s_t0 s_h0      lat      lon
## 1  2016-04-25 04:42:16 28C2DDDD4505   17 29.75   77 24.99643 121.5483
## 2  2016-04-25 05:25:11 28C2DDDD450C   27 27.50   87 25.05221 121.5637
## 3  2016-04-25 05:23:57 28C2DDDD4534   27 30.00   65 25.08374 121.5070
## 4  2016-04-25 05:25:13 28C2DDDD47C6   30 26.12   93 25.01992 121.5305
## 5  2016-04-25 05:24:48 28C2DDDD4234   30 28.00   83 25.00244 121.5519
## 7  2016-04-25 05:24:04 28C2DDDD455E   30 28.12   96 25.02298 121.4993
## 8  2016-04-25 05:24:47 28C2DDDD4414   32 26.50   95 25.04024 121.6195
## 9  2016-04-25 05:25:16 28C2DDDD4588   33 27.75   88 25.03579 121.5135
## 10 2016-04-25 05:24:42 28C2DDDD41C0   33 27.87  100 25.02058 121.5288
## 11 2016-04-25 05:23:54 28C2DDDD4357   33 28.12   92 24.98758 121.5500
## 12 2016-04-25 05:25:51 28C2DDDD459A   34 27.87   84 25.09869 121.5296
## 13 2016-04-25 05:23:45 28C2DDDD4246   34 29.37   86 25.12696 121.5077
## 14 2016-04-25 05:25:12 28C2DDDD45A1   35 28.50   89 25.10584 121.4826
## 15 2016-04-25 05:24:16 28C2DDDD400A   36 28.62   83 25.04922 121.5486
## 16 2016-04-25 05:24:40 28C2DDDD4372   36 29.12   84 25.06035 121.5906
## 17 2016-04-25 05:23:46 28C2DDDD423E   37 27.25   89 25.04317 121.5036
## 18 2016-04-25 05:23:46 28C2DDDD456A   37 27.87   89 25.03577 121.5524
## 19 2016-04-25 05:24:44 28C2DDDD4790   38 27.00  100 25.08577 121.5601
## 20 2016-04-25 05:25:44 28C2DDDD41B2   38 28.00   86 25.07329 121.5364
## 21 2016-04-25 05:26:20 28C2DDDD458F   38 28.62   87 25.05472 121.5296
## 22 2016-04-25 05:26:30 28C2DDDD434F   39 29.37   75 25.04524 121.5418
## 23 2016-04-25 05:25:38 28C2DDDD45A9   41 28.00  151 25.06528 121.5162
## 24 2016-04-25 05:25:32 28C2DDDD436D   42 27.62   89 25.07913 121.5802
## 25 2016-04-25 05:24:00 28C2DDDD41FA   42 27.75   88 25.05652 121.5522
## 26 2016-04-25 05:26:34 28C2DDDD41EB   42 27.75   88 25.11949 121.5050
## 28 2016-04-25 05:25:48 28C2DDDD434D   43 28.50   88 25.06870 121.6120
##                      school          time2
## 1                  景興國小 2016/4/25 5:30
## 2                  西松國小 2016/4/25 5:30
## 3                  葫蘆國小 2016/4/25 5:30
## 4                  溫州國宅 2016/4/25 5:30
## 5                  興隆國小 2016/4/25 5:30
## 7                  萬大國小 2016/4/25 5:30
## 8                  舊莊國小 2016/4/25 5:30
## 9  台北市立大學附設實驗國小 2016/4/25 5:30
## 10                 古亭國小 2016/4/25 5:30
## 11                 永建國小 2016/4/25 5:30
## 12                 福林國小 2016/4/25 5:30
## 13                 清江國小 2016/4/25 5:30
## 14                 富安國小 2016/4/25 5:30
## 15                 敦化國小 2016/4/25 5:30
## 16                 潭美國小 2016/4/25 5:30
## 17                 西門國小 2016/4/25 5:30
## 18                 仁愛國小 2016/4/25 5:30
## 19                 文湖國小 2016/4/25 5:30
## 20                 大佳國小 2016/4/25 5:30
## 21                 吉林國小 2016/4/25 5:30
## 22                 懷生國小 2016/4/25 5:30
## 23                 大同國小 2016/4/25 5:30
## 24                 內湖國小 2016/4/25 5:30
## 25                 民生國小 2016/4/25 5:30
## 26                 立農國小 2016/4/25 5:30
## 28                 南湖國小 2016/4/25 5:30

第二節：合併資料(2)

• 透過我們剛剛學的自訂函數功能，我們可以將這整個過程整合起來：

data_pipeline = function (file.path) {
  dat1 = read.csv(file.path, header = TRUE, fileEncoding = 'CP950')
  dat1.clean = dat1[duplicated(dat1) == FALSE,]
  dat1.clean
}

data1_clean <- data_pipeline("monitoring_1.csv")
head(data1_clean)

##                  time    device_id s_d0  s_t0 s_h0      lat      lon   school
## 1 2016-04-25 04:42:16 28C2DDDD4505   17 29.75   77 24.99643 121.5483 景興國小
## 2 2016-04-25 05:25:11 28C2DDDD450C   27 27.50   87 25.05221 121.5637 西松國小
## 3 2016-04-25 05:23:57 28C2DDDD4534   27 30.00   65 25.08374 121.5070 葫蘆國小
## 4 2016-04-25 05:25:13 28C2DDDD47C6   30 26.12   93 25.01992 121.5305 溫州國宅
## 5 2016-04-25 05:24:48 28C2DDDD4234   30 28.00   83 25.00244 121.5519 興隆國小
## 7 2016-04-25 05:24:04 28C2DDDD455E   30 28.12   96 25.02298 121.4993 萬大國小
##            time2
## 1 2016/4/25 5:30
## 2 2016/4/25 5:30
## 3 2016/4/25 5:30
## 4 2016/4/25 5:30
## 5 2016/4/25 5:30
## 7 2016/4/25 5:30

第二節：合併資料(3)

• 現在我們要做簡單的資料合併，首先請按這裡下載另外一個練習檔案

– 這是那些測站在早上7點的時候所測得的汙染物濃度

• 我們來利用剛剛的自訂函數直接處理

data2_clean <- data_pipeline("monitoring_2.csv")
head(data2_clean)

##                  time    device_id s_d0  s_t0 s_h0      lat      lon
## 1 2016-04-25 06:55:23 28C2DDDD4591   33 26.75   91 25.00070 121.5754
## 2 2016-04-25 06:55:28 28C2DDDD41EB   41 27.87   87 25.11949 121.5050
## 3 2016-04-25 06:55:36 28C2DDDD4598   41 28.50   88 25.06126 121.5111
## 4 2016-04-25 06:55:59 28C2DDDD452E   42 26.62   88 25.03944 121.5462
## 5 2016-04-25 06:56:04 28C2DDDD4372   42 28.75   85 25.06035 121.5906
## 6 2016-04-25 06:56:18 28C2DDDD4338   38 26.62   89 25.14918 121.5242
##             school          time2
## 1         博嘉國小 2016/4/25 7:00
## 2         立農國小 2016/4/25 7:00
## 3         永樂國小 2016/4/25 7:00
## 4 私立復興實驗中學 2016/4/25 7:00
## 5         潭美國小 2016/4/25 7:00
## 6         泉源國小 2016/4/25 7:00

第二節：合併資料(4)

• 現在，我們希望將早上7點的值與早上5點半的值做合併，此時需要一個新函數「merge()」，此函數能幫助我們把兩個檔案依據索引變數做擴增

– 下面是從路徑到合併檔案的全過程

data1_clean <- data_pipeline("monitoring_1.csv")
data2_clean <- data_pipeline("monitoring_2.csv")
merge.dat = merge(data1_clean, data2_clean, by = "school", all = TRUE)
head(merge.dat)

##                     school              time.x  device_id.x s_d0.x s_t0.x
## 1                 仁愛國小 2016-04-25 05:23:46 28C2DDDD456A     37  27.87
## 2                 內湖國小 2016-04-25 05:25:32 28C2DDDD436D     42  27.62
## 3                 南湖國小 2016-04-25 05:25:48 28C2DDDD434D     43  28.50
## 4                 古亭國小 2016-04-25 05:24:42 28C2DDDD41C0     33  27.87
## 5 台北市立大學附設實驗國小 2016-04-25 05:25:16 28C2DDDD4588     33  27.75
## 6                 吉林國小 2016-04-25 05:26:20 28C2DDDD458F     38  28.62
##   s_h0.x    lat.x    lon.x        time2.x              time.y  device_id.y
## 1     89 25.03577 121.5524 2016/4/25 5:30 2016-04-25 06:58:42 28C2DDDD456A
## 2     89 25.07913 121.5802 2016/4/25 5:30 2016-04-25 06:56:22 28C2DDDD436D
## 3     88 25.06870 121.6120 2016/4/25 5:30                <NA>         <NA>
## 4    100 25.02058 121.5288 2016/4/25 5:30                <NA>         <NA>
## 5     88 25.03579 121.5135 2016/4/25 5:30                <NA>         <NA>
## 6     87 25.05472 121.5296 2016/4/25 5:30                <NA>         <NA>
##   s_d0.y s_t0.y s_h0.y    lat.y    lon.y        time2.y
## 1     39  28.00     87 25.03577 121.5524 2016/4/25 7:00
## 2     40  27.12     90 25.07913 121.5802 2016/4/25 7:00
## 3     NA     NA     NA       NA       NA           <NA>
## 4     NA     NA     NA       NA       NA           <NA>
## 5     NA     NA     NA       NA       NA           <NA>
## 6     NA     NA     NA       NA       NA           <NA>

練習2：僅合併有興趣的資料

• 假設我們有興趣的變數其實只有s_d0(這是PM2.5的濃度)，而剩下的我們假定我們並不感興趣

– 我們其實可以在檔案合併前，利用索引函數將data1_clean及data2_clean兩個檔案變成一個比較乾淨的檔案，然後再進行合併

• 請你試著做看看！

– 這是範例

##                     school s_d0.x s_d0.y
## 1                 仁愛國小     37     39
## 2                 內湖國小     42     40
## 3                 南湖國小     43     NA
## 4                 古亭國小     33     NA
## 5 台北市立大學附設實驗國小     33     NA
## 6                 吉林國小     38     NA

練習2答案

– 下面是從路徑到合併檔案的全過程

data1_clean <- data_pipeline("monitoring_1.csv")
data2_clean <- data_pipeline("monitoring_2.csv")
data1.simple = data1_clean[,c("s_d0", "school")]
data2.simple = data2_clean[,c("s_d0", "school")]
simple.merge.dat = merge(data1.simple, data2.simple, by = "school", all = TRUE)
head(simple.merge.dat)

##                     school s_d0.x s_d0.y
## 1                 仁愛國小     37     39
## 2                 內湖國小     42     40
## 3                 南湖國小     43     NA
## 4                 古亭國小     33     NA
## 5 台北市立大學附設實驗國小     33     NA
## 6                 吉林國小     38     NA

• 另外你可能需要改「colnames()」，使用新函數「paste()」會比較方便。

colnames(simple.merge.dat) = c('school', paste('s_d0.', 1:2, sep = ""))

第三節：初級資料轉換(1)

• 請在這裡下載一份範例資料

– 這份資料是描述每個人疾病狀況的檔案，我們希望將這份直式資料轉為橫式資料

dat = read.csv("comorbidity_1.csv", header = TRUE, fileEncoding = 'CP950')
head(dat, 10)

##    ID Disease
## 1   n     CKD
## 2   f      DM
## 3   m     HTN
## 4   w      DM
## 5   u      DM
## 6   j     HTN
## 7   d     CKD
## 8   l     CKD
## 9   y     HTN
## 10  w     HTN

• 我們的目標是將檔案轉換成這樣的格式

##   ID   CKD Depression    DM   HTN
## 1  a  TRUE       TRUE  TRUE  TRUE
## 2  b  TRUE       TRUE  TRUE FALSE
## 3  c FALSE       TRUE  TRUE FALSE
## 4  d  TRUE      FALSE FALSE  TRUE
## 5  e  TRUE       TRUE FALSE FALSE
## 6  f  TRUE      FALSE  TRUE  TRUE

第三節：初級資料轉換(2)

• 這是我們第一次面對到比較複雜的案例，在開始之前我們要做的是先思考怎樣能達到我們想要的效果。

– 請各位先回想在前面幾節課學過哪些函數、功能？我保證只使用已經學會的功能就足以應付這個問題了。

1. 函數「length()」

2. 函數「levels()」

3. 各式索引函數

4. 迴圈函數「for」

5. …

第三節：初級資料轉換(3)

• 在最開始的時候，我們要先對這份資料表做初步分析。這份資料表有幾個人？有幾種可能的疾病？

• 我們很明顯是需要用到函數「levels()」以及函數「length()」的組合

– 而函數「levels()」僅能用在因子向量上，所以我們要先確認ID及Disease的屬性

class(dat[,1])

## [1] "factor"

class(dat[,2])

## [1] "factor"

– 很幸運的，在檔案讀進來的時候兩者就都已經是因子向量了，如果不是的話，記得要使用函數「as.factor()」進行轉換

dat[,1] = as.factor(dat[,1])
dat[,2] = as.factor(dat[,2])

• 接著，我們就能用函數「levels()」取得檔案中所有曾經出現過的人，以及所有曾經出現過的疾病

levels.sample = levels(dat[,1])
levels.sample

##  [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "p" "r" "s" "t" "u"
## [20] "v" "w" "x" "y" "z"

n.sample = length(levels.sample)
n.sample

## [1] 24

levels.disease = levels(dat[,2])
levels.disease

## [1] "CKD"        "Depression" "DM"         "HTN"

n.disease = length(levels.disease)
n.disease

## [1] 4

第三節：初級資料轉換(4)

• 我們發現共有24個人，總共有4種疾病，因此我們想要創造一個24*5的矩陣，其中第一欄放ID，其他欄位分別描述4種疾病的狀態

– 這裡我們會用到函數「matrix」做一個空的矩陣，在最開始的時候我們可以先在矩陣內都填上0(填什麼並不重要，因為等等都會覆蓋掉)

new.dat = matrix(0, nrow = n.sample, ncol = n.disease+1)
colnames(new.dat) = c("ID", levels.disease)
new.dat[,1] = levels.sample
new.dat

##       ID  CKD Depression DM  HTN
##  [1,] "a" "0" "0"        "0" "0"
##  [2,] "b" "0" "0"        "0" "0"
##  [3,] "c" "0" "0"        "0" "0"
##  [4,] "d" "0" "0"        "0" "0"
##  [5,] "e" "0" "0"        "0" "0"
##  [6,] "f" "0" "0"        "0" "0"
##  [7,] "g" "0" "0"        "0" "0"
##  [8,] "h" "0" "0"        "0" "0"
##  [9,] "i" "0" "0"        "0" "0"
## [10,] "j" "0" "0"        "0" "0"
## [11,] "k" "0" "0"        "0" "0"
## [12,] "l" "0" "0"        "0" "0"
## [13,] "m" "0" "0"        "0" "0"
## [14,] "n" "0" "0"        "0" "0"
## [15,] "p" "0" "0"        "0" "0"
## [16,] "r" "0" "0"        "0" "0"
## [17,] "s" "0" "0"        "0" "0"
## [18,] "t" "0" "0"        "0" "0"
## [19,] "u" "0" "0"        "0" "0"
## [20,] "v" "0" "0"        "0" "0"
## [21,] "w" "0" "0"        "0" "0"
## [22,] "x" "0" "0"        "0" "0"
## [23,] "y" "0" "0"        "0" "0"
## [24,] "z" "0" "0"        "0" "0"

第三節：初級資料轉換(5)

• 接著，如果我們想要了解第一個人有哪些疾病，我們需要在原始檔中使用索引函數找到與他有關的資料

i = 1
dat[dat[,1]==levels.sample[i],]

##    ID    Disease
## 11  a         DM
## 18  a        CKD
## 45  a Depression
## 49  a        HTN

• 但是我們可能只對其中疾病的部分有興趣而已，所以我們在逗點的右邊也要加上數字

dat[dat[,1]==levels.sample[i],2]

## [1] DM         CKD        Depression HTN       
## Levels: CKD Depression DM HTN

• 這個人所有疾病通通都有，真是不走運，這時候我們又要用到函數「%in%」，它的功能是確認左邊的物件是否有在右邊的物件中出現過

levels.disease %in% dat[dat[,1]==levels.sample[i],2]

## [1] TRUE TRUE TRUE TRUE

• 接著，我們要把這4個值填入矩陣的第1列，但第一欄除外(因為第一欄是ID)，我們可以使用負數代表除去不想要的欄位

new.dat[i,-1] = levels.disease %in% dat[dat[,1]==levels.sample[i],2]
new.dat

##       ID  CKD    Depression DM     HTN   
##  [1,] "a" "TRUE" "TRUE"     "TRUE" "TRUE"
##  [2,] "b" "0"    "0"        "0"    "0"   
##  [3,] "c" "0"    "0"        "0"    "0"   
##  [4,] "d" "0"    "0"        "0"    "0"   
##  [5,] "e" "0"    "0"        "0"    "0"   
##  [6,] "f" "0"    "0"        "0"    "0"   
##  [7,] "g" "0"    "0"        "0"    "0"   
##  [8,] "h" "0"    "0"        "0"    "0"   
##  [9,] "i" "0"    "0"        "0"    "0"   
## [10,] "j" "0"    "0"        "0"    "0"   
## [11,] "k" "0"    "0"        "0"    "0"   
## [12,] "l" "0"    "0"        "0"    "0"   
## [13,] "m" "0"    "0"        "0"    "0"   
## [14,] "n" "0"    "0"        "0"    "0"   
## [15,] "p" "0"    "0"        "0"    "0"   
## [16,] "r" "0"    "0"        "0"    "0"   
## [17,] "s" "0"    "0"        "0"    "0"   
## [18,] "t" "0"    "0"        "0"    "0"   
## [19,] "u" "0"    "0"        "0"    "0"   
## [20,] "v" "0"    "0"        "0"    "0"   
## [21,] "w" "0"    "0"        "0"    "0"   
## [22,] "x" "0"    "0"        "0"    "0"   
## [23,] "y" "0"    "0"        "0"    "0"   
## [24,] "z" "0"    "0"        "0"    "0"

練習3：完成這項工作

• 剛剛所有程式碼由上而下，已經能夠完成這張表格了，現在請你利用迴圈功能把所有步驟完成，讓24個人的疾病狀態都進入new.dat內

##    ID   CKD Depression    DM   HTN
## 1   a  TRUE       TRUE  TRUE  TRUE
## 2   b  TRUE       TRUE  TRUE FALSE
## 3   c FALSE       TRUE  TRUE FALSE
## 4   d  TRUE      FALSE FALSE  TRUE
## 5   e  TRUE       TRUE FALSE FALSE
## 6   f  TRUE      FALSE  TRUE  TRUE
## 7   g  TRUE       TRUE  TRUE FALSE
## 8   h  TRUE       TRUE FALSE  TRUE
## 9   i FALSE       TRUE  TRUE  TRUE
## 10  j FALSE      FALSE FALSE  TRUE
## 11  k  TRUE      FALSE FALSE FALSE
## 12  l  TRUE      FALSE FALSE FALSE
## 13  m  TRUE       TRUE FALSE  TRUE
## 14  n  TRUE       TRUE FALSE  TRUE
## 15  p  TRUE       TRUE FALSE  TRUE
## 16  r FALSE      FALSE  TRUE  TRUE
## 17  s  TRUE      FALSE  TRUE FALSE
## 18  t  TRUE       TRUE FALSE FALSE
## 19  u  TRUE       TRUE  TRUE FALSE
## 20  v FALSE      FALSE  TRUE  TRUE
## 21  w FALSE      FALSE  TRUE  TRUE
## 22  x  TRUE      FALSE FALSE  TRUE
## 23  y  TRUE      FALSE  TRUE  TRUE
## 24  z  TRUE       TRUE FALSE FALSE

練習3答案

• 重點其實就是把他包成迴圈！

levels.disease = levels(dat[,2])
levels.sample = levels(dat[,1])
new.dat = matrix(0, nrow = length(levels.sample), ncol = length(levels.disease)+1)
colnames(new.dat) = c("ID", levels.disease)
new.dat[,1] = levels.sample 
for (i in 1:length(levels.sample)) {
  new.dat[i,-1] = levels.disease%in%dat[dat[,1]==levels.sample[i],2]
}
new.dat = data.frame(new.dat)
new.dat

小結

• 本次課程我們介紹了自訂函數以及一些資料處理的例子，熟悉這些能力助於我們減少許多paper work的工作

– 本節課開始並沒有額外的給大家許多新的函數，但我們開始利用迴圈組合作出一些比較複雜的事情，請同學試著學習如何思考處理流程，而這個流程是資料科學家的基礎核心工作。

• 同學在上完這堂課後，應有能力將一些資料處理流程做成一個簡易的pipeline，並且能用自訂函數功能壓縮程式碼，讓我們簡潔有效的完成一些重複的動作。