Como e porquê usar o pipe ( %>% e |> )?

Sobre o que é essa postagem?

• Demonstrar o conceito de tidy data.
• Utilizar o pipe (%>% e |>).

História

Dado que este blog é dedicado para pessoas em quaisquer nível de aprendizado em R, resolvi fazer uma série de posts explicando funções básicas para a manipulação de dados.

Considero a linguagem R bastante objetiva na sua sintaxe básica, e a forma de estruturação desenvolvida pelo Hadley e equipe, o tidy data, torna a linguagem ainda mais “simples” para que nós, meros mortais, possamos entendê-la.

O tidy data, basicamente, é a padronização dos bancos de dados. Para que seja considerado tidy, o banco de dados deve obedecer às seguintes regras:

1. Cada coluna é uma variável;
2. Cada linha é uma observação;
3. Cada célula possui somente um valor.

O antônimo de uma tabela tidy, é uma tabela messy (do inglês, bagunçada).

---

O dia-a-dia de um errezêiro é uma jornada de pegar dados “crus” (raw) e transformá-los em dados limpos e utilizáveis. Nessa jornada, são realizadas transformações de variáveis, filtragens, sumários, etc.

Para uma melhor leitura dos códigos por nós, seres humanes, foi desenvolvido o operador pipe %>%. O pipe nesse formato têm sido usado há algum tempo no pacote magrittr, e sua função é unir uma sequência de funções, pegando o resultado anterior, e utilizando na próxima linha.

Desde a versão R 4.1, o R estabeleceu o uso de um pipe próprio, embutido no seu código fonte, é o |>. Existem algumas diferenças na forma que o R lê ambos, mas isso fica para outro post.

Para ilustrar, utilizarei os passos para fazer um bolo:

0. Juntar ingredientes
1. Assar;
2. Mexer;
3. Decorar;
4. Cortar;
5. Servir.

Na sintaxe do R base, essa seria a forma de utilização:

servir(cortar(decorar(assar(mexer(ingredientes)))))

   5  (  4   (   3   (  2  (  1  (     0      )))))

Ou seja,

0. Juntamos os ingredientes;
1. Mexemos 0;
2. Assamos o resultado de 1;
3. Decoramos o resultado de 2;
4. Cortamos o resultado de 3;
5. Servimos o resultado de 4.

---

Porém, utilizando o pipe, o código ficaria assim:

O atalho de teclado para o pipe é CONTROL + SHIFT + M.

ingredientes %>%    # 0
    mexer() %>%     # 1
    assar() %>%     # 2
    decorar() %>%   # 3
    cortar() %>%    # 4
    servir()        # 5

Ou, ilustrando:

Na hora que estamos trabalhando com dados reais, isso faz uma grande diferença.

Mãos no R

Para melhor ilustrar, vamos fazer umas manipulações simples em uns bancos de dados, utilizando 3 métodos diferentes: aninhado, objetos múltiplos e pipes.

O objetivo é:

1. Carregar o banco de dados starwars;
2. Filtrar por indivíduos com altura maior que 150cm;
3. Agrupar por gênero;
4. Sumariar pela média;
5. Ordenar do valor maior para o menor.

Utilizarei o banco de dados starwars, incluído no pacote dados. Saiba mais sobre o pacote e a iniciativa aqui: https://cienciadedatos.github.io/dados/

# para instalar o pacote pelo GitHub:
remotes::install_github("cienciadedatos/dados")

# para instalar o pacote pelo CRAN:
install.packages("dados")

# para carregar os pacotes:
library(dados)
library(dplyr)

# para carregar o banco de dados `dados_starwars`, e ver um sumário
glimpse(dados_starwars)

Rows: 87
Columns: 14
$ nome            <chr> "Luke Skywalker", "C-3PO", "R2-D2", "Darth Vader", "Le…
$ altura          <int> 172, 167, 96, 202, 150, 178, 165, 97, 183, 182, 188, 1…
$ massa           <dbl> 77.0, 75.0, 32.0, 136.0, 49.0, 120.0, 75.0, 32.0, 84.0…
$ cor_do_cabelo   <chr> "Loiro", NA, NA, "Nenhum", "Castanho", "Castanho, Cinz…
$ cor_da_pele     <chr> "Branca clara", "Ouro", "Branca, Azul", "Branca", "Cla…
$ cor_dos_olhos   <chr> "Azul", "Amarelo", "Vermelho", "Amarelo", "Castanho", …
$ ano_nascimento  <dbl> 19.0, 112.0, 33.0, 41.9, 19.0, 52.0, 47.0, NA, 24.0, 5…
$ sexo_biologico  <chr> "Macho", "Nenhum", "Nenhum", "Macho", "Fêmea", "Macho"…
$ genero          <chr> "Masculino", "Masculino", "Masculino", "Masculino", "F…
$ planeta_natal   <chr> "Tatooine", "Tatooine", "Naboo", "Tatooine", "Alderaan…
$ especie         <chr> "Humano", "Droide", "Droide", "Humano", "Humano", "Hum…
$ filmes          <list> <"The Empire Strikes Back", "Revenge of the Sith", "R…
$ veiculos        <list> <"Snowspeeder", "Imperial Speeder Bike">, <>, <>, <>,…
$ naves_espaciais <list> <"X-wing", "Imperial shuttle">, <>, <>, "TIE Advanced…

Aninhado

arrange(
    summarise(
        group_by(
            filter(dados_starwars, altura > 150), 
            genero), 
        media_massa = mean(massa, na.rm = TRUE)),
    desc(media_massa))

# A tibble: 3 × 2
  genero    media_massa
  <chr>           <dbl>
1 Masculino       119. 
2 Feminino         55.4
3 <NA>             48  

Objetos múltiplos

a <- filter(dados_starwars, altura > 150)
b <- group_by(a, genero)
c <- summarise(b, media_massa = mean(massa, na.rm = TRUE))
d <- arrange(c, desc(media_massa))
d

# A tibble: 3 × 2
  genero    media_massa
  <chr>           <dbl>
1 Masculino       119. 
2 Feminino         55.4
3 <NA>             48  

Pipe magrittr

dados_starwars %>% 
    filter(altura > 150) %>% 
    group_by(genero) %>% 
    summarise(media_massa = mean(massa, na.rm = TRUE)) %>% 
    arrange(desc(media_massa))

# A tibble: 3 × 2
  genero    media_massa
  <chr>           <dbl>
1 Masculino       119. 
2 Feminino         55.4
3 <NA>             48  

Pipe R base

dados_starwars |> 
    filter(altura > 150) |> 
    group_by(genero) |> 
    summarise(media_massa = mean(massa, na.rm = TRUE)) |> 
    arrange(desc(media_massa))

# A tibble: 3 × 2
  genero    media_massa
  <chr>           <dbl>
1 Masculino       119. 
2 Feminino         55.4
3 <NA>             48  

Finalizando

Eu sou super fã do pipe magrittr %>%, e estou tentando me acostumar com o pipe built-in do R |>, para melhorar a performance de meus códigos.

As formas aninhadas e de múltiplos objetos utilizei bastante enquanto aprendia a linguagem, mas dificilmente as utilizo hoje em dia.

E então, qual forma de programar em R você prefere?

Até a próxima!

Cheers,