91.for循环的其他模式

    purrr包还提供了其他一些抽象表示for循环的函数，这些函数的使用频率比map()函数少，但还是有必要知道一下，以便遇到相似问题的时候可以有查找问题的方向。

判定函数

    所谓判定函数（predicate functions），就是返回值是逻辑值的函数。一类for循环函数是基于判定函数工作的，包括：
    1）keep()、discard()、compact()，功能分别是保留或丢弃vector或list满足某种条件（由判定函数决定）的元素、删除vector或list中的所有空元素（即NULL，注意NA、NaN等不是空元素）。

keep(.x, .p, ...)
discard(.x, .p, ...)
compact(.x, .p = identity)

.x : vector或list
.p : 判定函数，仅判定函数返回值为TRUE的元素被keep或discard
...：其他传递给.f的参数

> keep(1:10,~.>5)
[1]  6  7  8  9 10
> discard(1:10,~.>5)
[1] 1 2 3 4 5
> compact(rep(c(1,2,NULL),4))
[1] 1 2 1 2 1 2 1 2

    2）every()、some()、none()，功能分别是list或atomic vector中的每一个元素、一些元素或没有一个元素满足判定条件吗?返回值是长度为1的逻辑向量。

every(.x, .p, ...)
some(.x, .p, ...)
none(.x, .p, ...)

.x ： list 或atomic vector
.p ：判定函数

> every(1:10,~.>5)
[1] FALSE
> some(1:10,~.>5)
[1] TRUE
> none(1:10,~.>5)
[1] FALSE

    3）detect()、detect_index()，功能分别是返回第一个匹配的元素、index。

detect(.x,  .f,  ...,  .dir = c("forward", "backward"),  .right = NULL,  
.default = NULL)
detect_index(.x, .f, ..., .dir = c("forward", "backward"), .right = NULL)

正如所看到的参数，可以设置匹配方向，默认是：forward，即从.x的开始向末尾匹配；
.right参数被废弃了，用.dir代替
.default：当没有匹配到结果时，默认返回NULL，可以设置为别的。

    4）head_while()、tail_while()，功能分别是找到所有满足判定条件的头和尾。

head_while(.x, .p, ...)
tail_while(.x, .p, ...)

> head_while(1:10,~.>5)
integer(0)
> tail_while(1:10,~.>5)
[1]  6  7  8  9 10

reduce() 和accumulate()

    reduce()函数用来通过反复应用一个能将双例转化为单例的函数，将复杂列表转换成简单列表。

reduce(.x, .f, ..., .init, .dir = c("forward", "backward"))
reduce2(.x, .y, .f, ..., .init)

.x：list或atomic vector
.f：对reduce()，.f应该是有两个原始输入的函数；对reduce2()，.f应该是有三个原始输入的函数
.init：不指定时，默认.x[[1]]作为初始值；指定时，使用指定值作为初始值
.dir：如果.f是类似+、c()等连接型的函数，对方向无要求，否则需指定方向，默认"forward"。

举个例子：
> x <- 1:3
> reduce(x,`+`)
[1] 6
初始值x[1]，即1；最后简化为(1+2)+3=6
> reduce(x,`+`,.init=2)
[1] 8

    我们可以用merge()函数合并两个数据框。如果有多个数据框同时需要合并，可以用reduce()来自动循环执行merge()。

> (birthtime <- data.frame(name=c("Zhangs","Lis","Wangw","Qianl"),birthtime=c("19900103","19900630","19891203","19920709")))
    name birthtime
1 Zhangs  19900103
2    Lis  19900630
3  Wangw  19891203
4  Qianl  19920709
> (sex <- data.frame(name=c("Zhangs","Qianl","Wangw"),sex=c("male","female","male")))
    name    sex
1 Zhangs   male
2  Qianl female
3  Wangw   male
> (height<-data.frame(name=c("Qianl","Wangw","Lis"),height=c(162,178,158)))
   name height
1 Qianl    162
2 Wangw    178
3   Lis    158
> reduce(list(birthtime,sex,height),merge,by="name",all=T)
    name birthtime    sex height
1    Lis  19900630   <NA>    158
2  Qianl  19920709 female    162
3  Wangw  19891203   male    178
4 Zhangs  19900103   male     NA

相当于：
> (tmp1<-merge(birthtime,sex,by="name",all=T))
> merge(tmp1,height,by="name",all=T)

    accumulate()会保留reduce()每次循环的结果：

accumulate(.x, .f, ..., .init, .dir = c("forward", "backward"))
accumulate2(.x, .y, .f, ..., .init)

> accumulate(list(birthtime,sex,height),merge,by="name",all=T)
# 初始值是birthtime
[[1]]
    name birthtime
1 Zhangs  19900103
2    Lis  19900630
3  Wangw  19891203
4  Qianl  19920709
# 合并birthtime和sex
[[2]]
    name birthtime    sex
1    Lis  19900630   <NA>
2  Qianl  19920709 female
3  Wangw  19891203   male
4 Zhangs  19900103   male
# 合并[[2]]和height
[[3]]
    name birthtime    sex height
1    Lis  19900630   <NA>    158
2  Qianl  19920709 female    162
3  Wangw  19891203   male    178
4 Zhangs  19900103   male     NA

# 累加
> accumulate(1:5,`+`)
[1]  1  3  6 10 15
> cumsum(1:5)
[1]  1  3  6 10 15