Discussion :

[JeromeMATHIAS]

Bonjour,

je suis passé depuis quelques temps à R, et j'ai sans doute encore un peu de mal avec les fondamentaux du langage.

J'ai une grosse table à valider, et je veux appliquer une fonction que j'ai créé par ailleurs pour vérifier certaines colonnes.
La fonction que j'utilise ici n'est qu'un exemple.

Je créé une table

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
library(dplyr)
random  <- tibble(     a=sample(1:1000,500000,replace=TRUE),
                      datenaissance=sample(c('20181201','20190505','20180603','20200000'),500000,replace=TRUE)
)

Je créé ma function "complexe"

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
 
 
valide_date <- function(date_a_valider) {
  dtt = as.Date(as.character(date_a_valider),format="%Y%m%d")
 
  if (is.na(dtt))          {
    result="Date incorrecte"
  } else  {
    result="Date correcte"
  }
}

et je cherche naïvement à appliquer la fonction à une colonne du tibble.

DCT1 <- random %>% mutate(test8=valide_date(datenaissance))mais bon ce n'est pas si simple



> DCT1 <- random %>% mutate(test8=valide_date(datenaissance))
Warning message:
Problem with `mutate()` column `test8`.
ℹ `test8 = valide_date(datenaissance)`.
ℹ the condition has length > 1 and only the first element will be used
>



Bon je commence à chercher et je trouve bien deux solutions

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
# avec Vectorize() 
valide_datev <- Vectorize(valide_date, vectorize.args = "date_a_valider")
 
 
 
start_time <- Sys.time()
DCT1 <- random %>% mutate(test8=valide_datev(datenaissance))
end_time <- Sys.time()
dif1=end_time-start_time
 
 
# avec map_chr() 
start_time <- Sys.time()
DCT2 <- random %>% mutate(test8=map_chr(datenaissance,valide_date))
end_time <- Sys.time()
dif2=end_time-start_time

Néanmoins en testant "en dehors" de ma fonction , on voit bien que ces deux solutions ne sont que des pis-aller et il doit certainement avoir une autre façon de faire.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
 
start_time <- Sys.time()
DCT3 <- random %>% mutate(test8=ifelse(is.na(as.Date(as.character(datenaissance),format="%Y%m%d")),"Date incorrecte","Date correcte"))
end_time <- Sys.time()
dif3=end_time-start_time
 
 
 
 
dif1 # Vectorize()
dif2  # map_chr()
dif3 # en dehors de la fonction

>
> dif1 # Vectorize()
Time difference of 47.44273 secs
> dif2 # map_chr()
Time difference of 46.01426 secs
> dif3 # en dehors de la fonction
Time difference of 0.4939759 secs
>



Bref il y a clairement un problème de performance à appliquer la fonction comme je le fait. Mais je n'arrive pas à trouver d'autres écritures plus performantes

Si vous avez des idées.

Merci.

[DianeBeldame]

si vous utilisez des fonctions custom il faut chercher du côté de la programmation fonctionnelle avec purrr et bien comprendre la vectorisation native de R.

Vous pouvez insérer votre `ifelse()`directement à la suite de votre mutate dans votre chaine dplyr :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
random %>% mutate(test = ifelse(test, sivrai, sinon))

qui peut parfaitement se combiner avec :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
random %>% mutate(test = as.Date(as.character(date_a_valider),format="%Y%m%d"), 
test = ifelse(test, sivrai, sinon))

Je vous invite à utiliser {readr} pour les imports car les fonctions d'imports détectent les formats date d'emblée.

Bon courage

[JeromeMATHIAS]

Merci effectivement je cherche à utiliser des fonctions utilisateur, c'est un peu l'intérêt d'un langage de programmation d'y définir ses propres fonctions utilisateur.
J'ai bien vu le ifelse mais si la fonction devient un peu trop compliqué le code va vite devenir imbuvable j'imagine avec toutes ces intrication de ( et )... Je m'attendais à avoir quelque chose dans la philosophie de dplyr...

Merci de me donner une piste, je vais donc aller voir du côté de purrr.

[DianeBeldame]

`case_when()` devrait répondre à 80% des besoins et ce de façon plus safe que `ifelse()` dans ce cas