Annidare i map()

Ovvero: caccia alla definizione delle variabili

Introduzione

L’altro giorno una collega ha sentito la necessità di annidare due funzioni map() (dal pacchetto purrr). Necessità che, con tutte le volte che l’ho sentita io, mette sempre quella leggera sensazione di disagio ambiguo tra il sentirsi smart e il forte dubbio di non riuscire poi a controllare così bene l’effetto di uno strumento così potente in una modalità di lavoro così apparentemente poco più complessa del solito, ma di sicuro non semplice.

Usare singolarmente funzioni map_*() di solito è molto conveniente in quanto presuppone un livello di astrazione affine al nostro pensiero naturale. Del resto è necessario avere la consapevolezza di voler sfruttare una funzione che lavora in modo affine al pensiero naturale, e quindi in modo potenzialmente non affine rispetto alle abitudini che abbiamo quando programmiamo, sopratutto anche nell’uso di strumenti più specifici e meno flessibili rispetto alla norma.1

Quando abbiamo bisogno di applicare una funzione a più oggetti, normalmente siamo abituati a scrivere un iterazione (per esempio, un ciclo for), che iteri la computazione della funzione di interesse tra gli oggetti a cui vogliamo applicarla. Iterazione dopo iterazione, si collezionano i risultati parziali aggregandoli alla fine, oppure cumulandoli mano a mano.

Quando l’effetto (il risultato) ottenuto per un oggetto influenza il risultato ottenuto sugli oggetti seguenti, l’utilizzo di un ciclo è più che naturale, e solitamente inevitabile.2 D’altra parte, quando i risultati sono indipendenti tra loro, ovvero il risultato dell’applicazione della funzione su un oggetto non dipende dal risultato ottenuto sugli oggetti “precedenti”, allora potrebbe essere meglio sfruttare una procedura più simile a come pensiamo in modo naturale, cioè: “applica la funzione data a tutti gli oggetti considerati (contemporaneamente).”3 Questo tipo di processo va sotto il nome di programmazione funzionale

In questo caso, una possibile regola del pollice per capire se siamo in una situazione parallela è chiedersi: “posso mescolare gli oggetti prima di eseguire il mio processo ottenendo lo stesso risultato (chiaramente mescolato)?” Se la risposa è si allora probabilmente non sarà necessario usare un ciclo in quanto il processo difficilmente sarà sequenziale; in caso contrario probabilmente servirà un ciclo esplicito.]

Per quanto a livello di implementazione questo tipo di procedimento “naturale” coinvolga comunque, dietro le quinte, un ciclo, avere a disposizione uno strumento che ci permetta di non vederlo esplicitamente, e pensare in modo naturalmente parallelo, è una risorsa potenzialmente importante.

Infatti, un procedimento “inscatolato” in questo modo, potrà essere maggiormente ottimizzato al suo interno nel verificare la correttezza degli input, e garantire un risultato coerente con le aspettative. Inoltre, permette di concentrarsi sul problema da risolvere per come lo si pensa, e non su come risolverlo per come sia da implementare.

D’altra parte, ogni semplificazione di una procedura complessa la rende si più semplice, ma dall’altro lato anche meno facile da usare: presuppone infatti una conoscenza ulteriore rispetto alle ipotesi e i presupposti necessari per poterla applicare. Sopratutto se la si vuole usare in modo non standard (cioè non allo scopo per cui è stata pensata, ottimizzata e resa facile da usare), come per esempio: in modo annidato 😉.

Un veloce sguardo a map()?

Senza entrare nel dettaglio di tutto il mondo legato al pacchetto purrr e alla programmazione vettorializzata, possiamo dire che map() ha due input principali: un vettore/lista (l’insieme) di oggetti a cui vogliamo applicare la nostra funzione, e la funzione da applicare.4

Il problema: annidare map()

Supponiamo di avere una coppia di vettori e per ciascun elemento del primo vettore vogliamo applicare una funzione prefissata per ciascun elemento del secondo vettore.

Il problema si potrebbe risolverlo annidando due cicli… o due map() :-).

Prendiamo un esempio molto semplice: Dati i seguenti x e y, vogliamo prendere la somma di ciascuna combinazione.

suppressPackageStartupMessages(library(dplyr))
suppressPackageStartupMessages(library(purrr))

x <- 1:2
y <- 3:5

Vogliamo quindi ottenere una lista di \(2\) elementi (uno per ogni elemento di x), composti ciascuno da una lista di \(3\) elementi contenenti la somma del corrispondente elemento di x con i corrispondenti elementi di y. Cioè l’oggetto:

list(
    list(1 + 3, 1 + 4, 1 + 5),
    list(2 + 3, 2 + 4, 2 + 5)
)
#> [[1]]
#> [[1]][[1]]
#> [1] 4
#> 
#> [[1]][[2]]
#> [1] 5
#> 
#> [[1]][[3]]
#> [1] 6
#> 
#> 
#> [[2]]
#> [[2]][[1]]
#> [1] 5
#> 
#> [[2]][[2]]
#> [1] 6
#> 
#> [[2]][[3]]
#> [1] 7

Supponiamo quindi che ci venga voglia di usare due map() annidati, del resto il pensiero naturalmente parallelo per risolverlo è “prendi (separatamente) ogni elemento di x e sommalo (separatamente) a ogni elemento di y”. Proviamo a scriverla:

map(x, map(y, sum))
#> [[1]]
#> NULL
#> 
#> [[2]]
#> NULL

Sembra non funzionare. Del resto ci saremmo dovuti aspettare qualcosa di strano visto che senza uso della ~ nella chiamata della funzione non possiamo passare argomenti alla stessa visto che map() non interpreterebbe la funzione come una formula ma come un nome.5

Usiamo allora la tilde:

map(x, ~map(y, sum))
#> [[1]]
#> [[1]][[1]]
#> [1] 3
#> 
#> [[1]][[2]]
#> [1] 4
#> 
#> [[1]][[3]]
#> [1] 5
#> 
#> 
#> [[2]]
#> [[2]][[1]]
#> [1] 3
#> 
#> [[2]][[2]]
#> [1] 4
#> 
#> [[2]][[3]]
#> [1] 5

E in questo caso il risultato lo da… ma sbagliato. Anche in questo caso però prevedere che il risultato fosse sbagliato non era difficile: infatti a sum verranno passate solo le componenti del suo input, y, ma non gli abbiamo detto da nessuna parte di prendere anche quelle di x.

Il problema qui sorge perché dire alla funzione passata come formula a un map() di prendere le componenti del vettore lo possiamo fare per esempio con il . o il .x (di più su questo nel seguito). Ma il fatto cruciale è:

Come facciamo a indicare dentro sum sia le componenti di x che quelle di y in modo non ambiguo, visto che le due funzioni map() annidate che usiamo hanno la stessa identica sintassi, e quindi anche lo stesso modo di indicare tali componenti?

La sfida: capire gli input di map()

Come dicevamo, map() prende, principalmente, due opzioni (obbligatorie): .x e .f. Questo può sembrare banale ma sarà fondamentale nell’immediato nostro futuro per capire, una parte, di quello che succede.

.x è il nome/alias che map() assegnerà internamente all’oggetto vettore/lista su cui ogni componente vorremo applicare la nostra funzione.

.f è il nome/alias che map() assegnerà, internamente, alla funzione che vorremo applicare. Tale funzione sarà quindi applicata a ogni componente dell’oggetto passato a map(), rappresentato internamente con .x.

map(x, function(k) 2*k)
#> [[1]]
#> [1] 2
#> 
#> [[2]]
#> [1] 4
map(.x = x, .f = function(k) 2*k)
#> [[1]]
#> [1] 2
#> 
#> [[2]]
#> [1] 4


raddoppia <- function(k) 2*k
map(x, raddoppia)
#> [[1]]
#> [1] 2
#> 
#> [[2]]
#> [1] 4
map(.x = x, .f = raddoppia)
#> [[1]]
#> [1] 2
#> 
#> [[2]]
#> [1] 4

Bene, ma se allora .f è il nome/alias di una funzione, e questa funzione si applica a ogni componente di .x, qual’è il nome/alias di questo componente (definito dall’interno di map()) “dentro” .f? In altre parole, .f come chiamerà al suo interno gli oggetti che map() gli passerà in input?

Leggendo l’help (?map) della funzione scopriamo che a .f possiamo assegnare una funzione vera e proprio, che verrà usata così com’è (e quindi il nome della variabile usata internamente sarà noto, conoscendo tale funzione) oppure con una formula (comprendente solo la componente a destra della ~). In questo caso, quando la nostra funzione avrà un solo input, il nome della variabile da usare sarà ., quando avrà due input (per le funzioni della famiglia map2_*()) allora i nomi delle variabili che saranno usate internamente saranno .x e .y, quando invece gli input saranno molteplici, allora i nomi delle variabili saranno ..1, ..2, ..3, eccetera.

Bene, quindi abbiamo capito che possiamo scrivere, per ottenere lo stesso risultato di prima, anche:

map(x, ~2*.)
#> [[1]]
#> [1] 2
#> 
#> [[2]]
#> [1] 4

Per capire come R si comporta di fronte a casi patologici, dobbiamo anche sapere che R ogni volta che viene definita una funzione crea un ambiente che la contiene con tutti le variabili/alias che le servono e gli oggetti usati per definirla.6

Quando dentro una funzione viene richiesto un oggetto tramite il suo nome, R cerca dentro a questo ambiente, se lo trova. Di fondamentale importanza è che la ricerca avviene nell’ambiente in cui è stata definita la funzione e non in quello che la richiama! Per esempio:

f <- function() {
  a <- 1
  b <- 2
  
  a + b
}
f()
#> [1] 3

a <- 3
b <- 4
f()
#> [1] 3

Se invece R non trova la definizione della variabile dentro l’ambiente in cui è stata definita la funzione in cui ne compare la chiamata, va a cercarlo nell’ambiente del contesto in cui questa funzione è stata creata, e indietro così finché non lo trova. Sale quindi di livello, ma sempre “per definizione” e non “per chiamata.”7 Per esempio:

f <- function() {
  a <- 1
  
  g <- function() {                      # g() viene definita dentro f()
    b <- 2
    
    a + b             # a non è definita dentro g(), dove viene cercata?
  }
  
  g()
}
f()
#> [1] 3

a <- 3
f()
#> [1] 3

b <- 4
f()
#> [1] 3

Se la matriosca di ambienti considerati arriva a termine senza aver trovato un riferimento a tale nome, allora viene restituito un errore.

h <- function() {
  c <- 1
  
  d + e
}

h()
#> Error in h(): object 'd' not found

Tutto questo da un lato spiega perché la funzione qui sotto restituisce lo stesso risultato delle chiamate precedenti:

map(x, function(x) x)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 2

Infatti quando R cerca il significato del(l’oggetto collegato al)la “terza” x trova il riferimento nella “seconda” x, creata quando la funzione viene definita. Come abbiamo letto dall’help di map(), la “seconda” x diventa/rappresenta, di volta in volta, l’“elemento” dell’oggetto passato a map() come .x, e che di volta in volta sarà quindi passato a .f.

In questo caso quindi .x assume il valore del primo “x”, cioè il nostro oggetto 1:2, e quindi i suoi elementi passati a .f, che .f al suo interno chiamerà e identificherà con il nome x, saranno prima 1 e poi 2.

D’altra parte capiamo anche perché la seguente chiamata non da errore, e capiamo anche perché ci restituisce il risultato che vediamo (che non è probabilmente quello che vorremmo ricevere…):

map(x, function(k) x)
#> [[1]]
#> [1] 1 2
#> 
#> [[2]]
#> [1] 1 2

Infatti quando .f al suo interno cerca l’oggetto x non lo trova nell’ambiente creato quando è stata costruita e quindi lo cerca nell’ambiente che lo conteneva, ovvero quello in qui è stata costruita la funzione, cioè “dentro” la chiamata a map(). Qui, anche se nel codice scritto vediamo un x (il primo), non esiste un oggetto chiamato x dentro la chiamata di map(). Infatti il nostro x, qui, è chiamato .x! Quindi R non trova x nemmeno qui e quindi va a cercarlo nell’ambiente che contene map() e li trova il nostro x originale, cioè proprio 1:2, e lo usa.

Quindi, a ogni chiamata di .f che verrà fatta dentro map() (che ricordiamo viene chiamata su, quindi “per”, ogni elemento di .x: in questo caso due volte), l’x usato sarà quello “nostro” nell’ambiente di lavoro globale. Infine poi, in questo caso, la nostra funzione .f è definita con una sola variabile k, che non viene mai usata, e quindi non fa altro che restituire il primo (rispetto alla catena degli ambienti) x che riesce a trovare.

Per chiarire ancora meglio proviamo a definire un altro oggetto di lunghezza, per esempio, \(3\) e chiamiamo lo stesso map() ma attribuendo questo oggetto a .x, invece che x:

z <- 1:3
map(z, function(k) x)
#> [[1]]
#> [1] 1 2
#> 
#> [[2]]
#> [1] 1 2
#> 
#> [[3]]
#> [1] 1 2

Come si vede, l’x usato è quello definito all’inizio nell’ambiente globale. E nulla di quanto nelle due righe di codice sopra riportate può farci capire quale x sarà di fatto usato (se già non lo sappiamo).

Da notare quindi, molto importante, che x non è un input della funzione definita dentro map() (.f), ma fa proprio parte della definizione (il “corpo” (Wickham 2019, 6.2.1)) di .f; in altre parole: noi non avremo nessun controllo su di esso tramite la chiamata della funzione, l’unica cosa a cui dobbiamo stare attenti è di essere sicuri di farglielo trovare da qualche parte nella catena di ambienti in cui andrà a cercarlo, pena un errore. Chiaramente dobbiamo fargli trovare anche quello giusto!8

A questo punto capiamo perché la seguente chiamata invece restituisce un errore (e capiamo anche perché l’errore ci segnala che “.x non si riesce proprio a trovarlo da nessuna parte”…):

map(x, function(k) .x)
#> Error in .f(.x[[i]], ...): object '.x' not found

Infatti anche se dentro map() l’oggetto .x esiste (e nel nostro caso ha valore x, la funzione non è definita dentro la chiamata/esecuzione di map() ma da un’altra parte: anche se la “vadiamo” dentro a map() non è l’algoritmo che definisce map() quello che definisce la nostra funzione: cioè, “l’ambiente di map()” in cui esiste .x, quando la nostra funzione function(k) .x viene costruita, ancora nemmeno esiste.9 Risalendo gli ambienti che di volta in volta hanno portato a quello in cui è costruita la nostra funzione, dunque, non si riesce a trovare un oggetto che si chiama .x, e quindi ci vene restituito l’errore corrispondente.

Bene, visto che abbiamo capito, ora sappiamo cosa succederà se chiamiamo map(x, ~.x). Giusto?

Proviamo.

map(x, ~.x)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 2

Per tutti i Sargassi!! Come mai non ci viene restituito un errore, ma, anzi, otteniamo proprio il risultato che ci saremmo aspettati: un componente alla volta!!

Questa cosa appare inspiegabile da quanto abbiamo (o per lo meno ho…) capito e visto fino adesso.

L’unico modo per capirla, è andare a guardare la definizione vera e proprio di map(), il suo corpo. Per farlo, come per ogni altra funzione, in R è sufficiente richiamare il nome della funzione “puro”: senza parentesi o argomenti:

map
#> function (.x, .f, ...) 
#> {
#>     .f <- as_mapper(.f, ...)
#>     .Call(map_impl, environment(), ".x", ".f", "list")
#> }
#> <bytecode: 0x565457fa0270>
#> <environment: namespace:purrr>

a questo punto vediamo che .f viene elaborata (prima di essere eseguita dal misterioso .Call) da una funzione as_mapper(). Vediamo allora questa com’è fatta:

as_mapper
#> function (.f, ...) 
#> {
#>     UseMethod("as_mapper")
#> }
#> <bytecode: 0x5654597eedb0>
#> <environment: namespace:purrr>

Bene bene, si tratta di una funzione generica. Una funzione generica richiama semplicemente un metodo (cioè, nient’altro che un’altra funzione) che sia quella adeguata alla classe degli oggetti mandati in input (in generale, il primo).10

Guardiamo quindi di che classe è il nostro oggetto (anche se lo dovremmo sapere: è una “formula” 😉)

class(~.x)
#> [1] "formula"

Precisamente. Quindi, secondo le regole di selezione base dei metodi di R, dovremmo cercare una funzione (che si troverà di sicuro dentro purrr) che si chiami as_mapper.formula o, se non dovesse esistere, sappiamo che (se c’è) verrà usata la funzione as_mapper.default; nel caso poi manchi anche questa ci verrà restituito un errore!11

Proviamo a vedere se c’è la prima:

as_mapper.formula
#> Error in eval(expr, envir, enclos): object 'as_mapper.formula' not found

Ci viene restituito un errore. Ma cosa vuol dire che R non la trova?! Non c’è o non la trova? Se c’è è di sicuro dentro il pacchetto purrr, visto che è li dentro che map() è stata definita e quindi se map() la usa è dentro purrr che ne troviamo la definizione.

Del resto, resta il fatto che noi non la troviamo. Questo però potrebbe anche voler dire che chi ha scritto purrr ha ritenuto, da un lato che fosse utile scrivere esplicitamente una funzione/metodo as_mapper.formula(), dall’altro lato che non fosse utile renderla accessibile per l’utente di purrr e quindi, come si dice, non l’ha “esportata”.

Per accedere a una funzione non esportata da un pacchetto si usano i tripli due punti:12

purrr:::as_mapper.formula
#> Error in get(name, envir = asNamespace(pkg), inherits = FALSE): object 'as_mapper.formula' not found

Ok, se anche così non la trova, vuol dire che proprio non c’è! Proviamo allora con as_mapper.default, incrociando relativamente le dita, visto che deve esserci…

as_mapper.default
#> Error in eval(expr, envir, enclos): object 'as_mapper.default' not found

Bene, errore, quindi per forza deve essere una funzione non esportata (le opzioni sono infatti finite, visto che map() usa la funzione generica as_mapper() e questa a sua volta deve richiamare un metodo che “faccia” qualcosa)!

purrr:::as_mapper.default
#> function (.f, ...) 
#> {
#>     if (typeof(.f) %in% c("special", "builtin")) {
#>         .f <- rlang::as_closure(.f)
#>         if (is_reference(fn_env(.f), base_env())) {
#>             environment(.f) <- global_env()
#>         }
#>         .f
#>     }
#>     else {
#>         rlang::as_function(.f)
#>     }
#> }
#> <bytecode: 0x565457f936a8>
#> <environment: namespace:purrr>

Perfetto, eccola qui! Vediamo che anche dentro questa funzione, la nostra continua a chiamarsi con l’alias .f, che sappiamo, per noi, essere di classe formula, che non è né specialbuiltin e quindi, il primo if verrà saltato a piedi pari. In definitiva, la nostra funzione sarà elaborata da rlang::as_function().

Vediamo allora cosa fa rlang::as_function() alla nostra formula (o a un’altra, giusto per capire)!

rlang::as_function(~.x)
#> <lambda>
#> function (..., .x = ..1, .y = ..2, . = ..1) 
#> .x
#> attr(,"class")
#> [1] "rlang_lambda_function" "function"
rlang::as_function(~ciao)
#> <lambda>
#> function (..., .x = ..1, .y = ..2, . = ..1) 
#> ciao
#> attr(,"class")
#> [1] "rlang_lambda_function" "function"

Ah bene, anche se non capisco del tutto cosa succede, sembra che trasformi in una funzione l’oggetto che gli passiamo.

Questa “nuova” funzione ha come argomenti ... (probabilmente per incorporare eventuali argomenti da passare direttamente alla nostra funzione), .x (nel qual caso, sembra di capire, verrà usato il primo elemento), .y (per il secondo elemento), oppure solo il punto ., sempre come alias per il primo elemento.

Bene bene, sembra di capire, tra questo e quanto riportato nella documentazione ?map già letta, che ci viene suggerito di usare “solo il .” quando abbiamo solo un input. Del resto, abbiamo che:

  1. .x rappresenta anche lui il primo elemento quando abbiamo più di un input
  2. la funzione rlang::as_function() che, internamente a map(), trasforma la nostra .f nella funzione che verrà di fatto applicata, è la medesima sia che debba trasformare una funzione con un solo input, sia che debba trasformarne una con più di uno.

Allora, usare .x o il semplice solo . è di fatto indifferente quando abbiamo una funzione con un solo input da dare in pasto a map(); lo stesso vale anche riguardo all’usare .x o il solo semplice . per identificare, per una funzione con due o più input, il primo!

E il pipe??

Complichiamo ora ancora un pochino le cose, e consideriamo di usare l’operatore pipe (%>%) che, come sappiamo (o altrimenti guardiamolo con ?magrittr::`%>%`), usa il . per trasferire l’output di quanto alla sua sinistra come input dentro alla funzione che si trova alla sua sinistra.

Usando semplicemente il pipe nell’ultimo esempio, non dovremo avere problemi a prevedere che R non darà errori né risultati inattesi:

x %>% map(~.x)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 2

Ma se usassimo il . dentro map() invece che .x? La questione non è banale in quanto se il . sarà interpretato come quello “di” map() (ovvero quello generato dalla modificazione di .f da parte di rlang::as_function()) allora il risultato sarà quello atteso: una lista lunga \(2\) il cui primo elemento sarà il primo elemento di x e il secondo elemento sarà il secondo elemento di x. Se invece il . sarà interpretato come quello del pipe, allora assumerà esso stesso proprio il valore x nella sua interezza (essendo il risultato di quanto a sinistra del pipe) e quindi il nostro risultato sarà sempre una lista lunga \(2\) ma in cui in entrambi gli elementi ci sarà tutto x.

Quale sarà, da quanto visto fin’ora, l’opzione corretta?

x %>% map( ~.)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 2

Esattamente! R cercherà il significato di . innanzitutto dentro il mondo in cui viene definita .f o tra i suoi input. Da quanto visto, rlang::as_function() fa proprio si che . sia proprio un input di quelli che avrà la .f modificata per essere applicata. Quindi R sarà più che soddisfatto, e userà proprio quella!

A titolo di completezza riportiamo anche le altre possibilità che si potrebbero incontrare:

x %>% map(function(k) k)
#> [[1]]
#> [1] 1
#> 
#> [[2]]
#> [1] 2

Chiaramente da il risultato atteso.

x %>% map(function(k) .x)
#> Error in .f(.x[[i]], ...): object '.x' not found

Chiaramente da errore in quanto la nostra funzione ha come input solo k: in questo caso, come avevamo letto dalla documentazione ?map, la funzione verrà usata così com’è, senza alcuna modifica; quindi non sarà passata sotto le sgrinfie di rlang::as_function(), e quindi .x non farà parte dei possibili alias input della .f applicata, ma la nostra .f finale applicata sarà proprio e precisamente function(k) .x.

Inoltre .x non è definito nell’ambiente in cui viene definita .f (ovvero, il .x di map() non è disponibile) e, infine, “noi” non abbiamo definito nel nostro ambiente globale nessun oggetto chiamato .x. Quindi .f non può trovarlo da nessuna parte, e restituisce l’errore (atteso…).

Curioso il caso seguente che, a questo punto, non dovrebbe stupire ma che, in generale, prima di questo approfondimento, ha colpito me per primo facendomi esclamare “puffRbacco!!! 😨”

x %>% map(function(k) .)

Ebbene, superficialmente, all’inizio, mi sarei aspettato che il . fosse quello del map(), ma abbiamo capito che una funzione definita esplicitamente non passa sotto le sgrinfie di rlang::as_function() e quindi, né dentro map() né tanto meno dentro .f, si ha che . è definito.

Si potrebbe pensare quindi che venga restituito un errore. Invece, sappiamo che . è anche il nome usato dal pipe per la variabile rappresentante l’oggetto preso dalla sua sinistra per passarlo a quanto alla sua destra. Inoltre, il pipe stesso viene eseguito (chiaramente) “prima” ancora di chiamare map() (infatti deve prima eseguire quanto alla sua sinistra per estrarne l’output!) e quindi prima (ovvero: “in un ambiente contenitore”) dell’ambiente in cui verrà creata la nostra funzione.

Dunque, quando R, esegue function(k) ., avrà:

  • come .x in map() il valore di x, cioè quanto passato dal pipe tramite il primo . implicito e non scritto.

  • a k assegnerà il componente di .x (cioè del nostro x) su cui di volta in volta verrà eseguita la funzione (e che poi non userà visto che k non compare nel corpo della funzione…).

Dentro il corpo della funzione non si troverà la definizione di ., e nemmeno tra i suoi input; quindi R comincerà a cercarlo all’esterno, risalendo la catena di ambienti, trovandolo nell’ambiente in cui è stato chiamato il pipe: che contiene quello in cui la funzione in questione è stata creata!

Tutto si spiega quindi e ora possiamo tranquillamente padroneggiare l’uso, anche annidato, di map(), senza timore di eseguire qualcosa che porti a un errore o, peggio, a un risultato inatteso (quindi coerente in forma con quanto ci aspettiamo, ma sbagliato. Pericolosissimo!!)!

Test

A questo punto dovremmo davvero riuscire a prevedere cosa restituiscono le seguenti chiamate, sapendone il perché!

Quali restituiscono il risultato: "lista di \(2\) elementi (relativamente a x), ciascuno che sia la lista di \(3\) elementi contenenti la somma del corrispondente elemento di x con il corrispondente elementi di y? Cioè l’oggetto che volevamo all’inizio:

list(list(1 + 3, 1 + 4, 1 + 5), list(2 + 3, 2 + 4, 2 + 5))
#> [[1]]
#> [[1]][[1]]
#> [1] 4
#> 
#> [[1]][[2]]
#> [1] 5
#> 
#> [[1]][[3]]
#> [1] 6
#> 
#> 
#> [[2]]
#> [[2]][[1]]
#> [1] 5
#> 
#> [[2]][[2]]
#> [1] 6
#> 
#> [[2]][[3]]
#> [1] 7

Per ora, riportiamone solo l’elenco:

map(x, ~map(y, ~. + .))
map(x, ~map(y, ~. + x))
map(x, ~map(y, ~. + y))
map(x, ~map(y, ~x + y))
map(x, ~map(y, ~. + .x))
map(x, ~map(y, ~.x + .x))
# se non lo è nessuno di questi, lo si può fare usando questa struttura
# di annidamento?

map(x, function(y) map(y, ~. + .))
map(x, function(y) map(y, ~. + x))
map(x, function(y) map(y, ~. + y))
map(x, function(y) map(y, ~x + y))
map(x, function(y) map(y, ~. + .x))
map(x, function(y) map(y, ~.x + .x))
# se non lo è nessuno di questi, lo si può fare usando questa struttura
# di annidamento?

#...z
map(x, function(z) map(y, ~. + .))
map(x, function(z) map(y, ~. + x))
map(x, function(z) map(y, ~. + z)) # ;-)
map(x, function(z) map(y, ~x + z))
map(x, function(z) map(y, ~. + y))
map(x, function(z) map(y, ~x + y))
map(x, function(z) map(y, ~. + .x))
map(x, function(z) map(y, ~.x + .x))


map(x, function(z) map(y, function(k) z + k))

map(x, function(z) {
  map(y, function(k) {
    z + k
  })
})

x %>% map(function(z) {
  y %>% map(~. + z)
})

Lascio a voi il piacere di ipotizzarlo ed eseguirlo sul vostro computer. Nel caso sbagliaste una previsione, fatemelo sapere: sarà importantissimo per me e per gli altri capire quali aspetti sono ancora in ombra 😊

Domandone finale: ma annidare map()… serve davvero?!

Chiaramente la semplice “somma” è stato solo un esempio per una funzione che solitamente nella pratica sarà molto più complessa.

Detto tutto questo, secondo me annidare i map() resta comunque una strategia un pochino contorta e che potrebbe riservare spiacevoli sorprese (parlo per esperienza, ne ho annidati molti… ne ho sbagliati molti 😓.

Cosa ne pensate del cercare una strategia che eviti del tutto di annidare i map(), cercando un modo di usarne comunque al più uno?

Del resto, parallelizzare un operazione su ogni combinazione di un vettore con gli elementi di un altro vettore… potrebbe essere fatto creando prima le combinazioni e poi eseguire la semplice operazione parallela su di esse.

Per esempio, a me verrebbe in mente di fare cosi:

list(x = x, y = y) %>% 
  cross_df() %>% 
  mutate(`x + y` = map2_dbl(x, y, sum))

Cosa ne pensate? Alternative facili da ricordare e usare? Esempi difficili da de-annidare?

Aspetto i vostri commenti! Saaalvé!

Wickham, H. 2019. Advanced R, Second Edition. Chapman & Hall/Crc the R Series. Taylor & Francis. https://adv-r.hadley.nz.

Wickham, H., and G. Grolemund. 2016. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O’Reilly Media. https://r4ds.had.co.nz/.


  1. Meno flessibile = (quasi sempre) più robusto e sicuro!↩︎

  2. Per esempio se dovessimo scrivere esplicitamente (cioè senza usare la funzione cumsum() o simili) il vettore delle somme cumulate di un vettore dato, sarebbe difficile farlo senza un ciclo.↩︎

  3. Per esempio, se volessimo calcolare il doppio di ciascun numero di un vettore dato (anche leggendo come ho espresso io stesso qui il problema) non penso istintivamente a un ciclo (sequenziale) ma più che altro a un processo parallelo.↩︎

  4. Per approfondire si veda la documentazione ?map, oltre che For loops vs. functionals (Wickham and Grolemund 2016) e Functionals (Wickham 2019).↩︎

  5. Il risultato ottenuto dipende dal fatto che map(y, sum) viene valutato e restituisce un valore numerico, in particolare, visto che y è c(1, 2, 3), restituisce c(1, 2, 3). Quindi la nostra chiamata equivale a chiamare map(1:2, 1:3) il quale esegue sotto-selezioni annidate, in particolare il risultato finale sarebbe (scritto in modo esteso) list(1[[1]][[2]][[3]], 2[[1]][[2]][[3]]), che chiaramente risulta in una lista di due NULL. Per maggiori informazioni leggere la documentazione di ?purrr::map), ?purrr::pluck e qualche approfondimento sul funzionamento degli operatori di sotto-selezione.↩︎

  6. Per maggiori informazioni in merito Environments [wickham2019advanced].↩︎

  7. Ambienti delle funzioni.↩︎

  8. Da notare anche che in questo caso, probabilmente e spesso, questo potrebbe significare che la funzione è stata mal definita, in quanto il suo risultato dipende da oggetti che non sono controllati o decisi all’interno del campo d’azione della funzione stessa (o nostro) su di essa. Quindi in questo caso probabilmente un errore sarebbe preferibile, ma se per (s)fortuna abbiamo definito un oggetto con quel nome in un punto che a ritroso sia esplorato dalla da .f nella ricerca di x, allora .f lo userà, e potrebbe succedere che non dia errore! Questo ci porrebbe nella situazione di aver ottenuto un risultato, probabilmente sbagliato, e senza nessun segnale di aver fatto un errore. Fare molta (molta!) attenzione quindi a definire funzioni il cui corpo sfrutti oggetti che non siano né definiti all’interno della funzione stessa né passati come input alla funzione!!↩︎

  9. Viene infatti creato quando map() viene chiamata↩︎

  10. Per approfondire come funziona il metodo base di selezione dei metodi in R si può guardare S3 (Wickham 2019).↩︎

  11. Questo, nel nostro caso, sappiamo che non avviene visto che map() funziona 😉↩︎

  12. Fare comunque sempre attenzione a usare funzioni non esportate, se non lo sono un motivo c’è, il più probabile dei quali è che tale funzione non sia stabile, o magari verrà modificata senza garantire la retro-compatibilità, oppure non è ben testata… “guardarla” va bene, usarla interattivamente per un bisogno estemporaneo va bene, incorporarla in un proprio progetto che abbia una prospettiva di utilità che vada oltre ad “adesso” potrebbe essere davvero molto rischioso (infatti, se fate un pacchetto il CRAN non lo accetterà se usa funzioni non esportate di altri pacchetti!).↩︎

Avatar
Corrado Lanera
Fellow researcher, data scientist, and trainer

Related

comments powered by Disqus