从另一个视角看 R 语言的“方言” Tidyverse,以及 RStudio 对 Tidyverse 的提倡。

作者简介

作者 Norm Matloff 为 UC Davis 计算机科学教授(曾任 UCD 统计学教授)。中文翻译及投稿至 COS 经过作者同意。文中的“我”为作者视角,但译文中存在的任何不妥之处当然很可能是由译者引入的,还望读者不吝赐教

注意:此为简版

在我看来,Tidyverse 的主要问题在于其不利于教学。我相信使用 Tidyverse 而非 base-R 实际上会阻碍对没有编写代码背景的初学者进行教学。这个简洁的版本仅保留了 TidyverseSkeptic 文中关于教学的部分。我在完整的文档中还谈及了其它问题,详见英文原文全文

声明

本文在某种程度上比较坦率,并且涉及非常流行的 Tidyverse 及 RStudio。我想本文是有礼貌的,并且应被视为具有建设性的批评。

我对 RStudio 的人们抱有喜爱和尊敬的态度,包括 Tidyverse 的提出者 Hadley Wickham。我也一直支持他们,无论私下或是公开。从公司只有创始人 JJ Allaire 和首席开发 Joe Cheng 的时候开始,我们就一直互动。我向我的学生们高度赞扬 RStudio 公司,我使用并推荐 Hadley 的包 ggplot2stringr (均不属于 Tidyverse),有时 devtools 确实节省了我大量时间。

换句话说,我并没有把 RStudio 当作什么邪恶社团。我在本文中的不少地方都表明我认为他们的行为具有良好的意图。然而,我持有如下看法:决定推广 Tidyverse 是 RStudio 作出的错误抉择,这使 R 语言的一致性和健康性遭到威胁。

这里是我的简历。 关于 R 语言的部分,我从几乎最开始就是 R 的用户和开发者,在那之前我使用 R 的前身 S。我出版过几本使用 R 语言的书,还担任过 R Journal 的主编。Hadley 也曾任此期刊的主编。

可教学性概览

  • 我最大的担忧来自 R 语言教学。对于需要学习 R 语言的非程序员来说,Tidy 让精通这门语言变得更困难

  • Tidyverse 来自这样一种渴求,即要有一组相互兼容、行为一致的函数或包。这种“纯正”哲学对计算机科学家有着难以抗拒的吸引力。Tidyverse 也借鉴了其它“纯正”计算机科学(Computer Science,以下简称 CS)哲学,特别是 函数式编程(Functional Programming,以下简称 FP)。FP 抽象化且理论化,即使对 CS 专业的学生来说也较困难。因此,显然 若学习 R 语言的人并非程序员,Tidy 是一种不甚明智的方案

  • 纯正带来的其它代价包括更复杂和更抽象,代码更容易出错(同时还牺牲了性能)。

  • 实际上,如果学习者之前没有编写代码的背景,Tidyverse 总体来说过于复杂,这会引发心理学家所称的 认知过载 现象。

  • 确实,很多 Tidy 的倡导者也承认在各种意义下 Tidy 代码比 base-R 更难编写。比如,Hadley 说“可能需要一些时间让你的头脑适应 [FP].”

  • RStudio 提倡 Tidyverse 的时候声称它能够使非程序员更容易学习 R。出于上述原因,与之正相反,我要提出异议:Tidyverse 让这个群体的人们学 R 变得 更难

  • RStudio 作了可敬的工作,让更多女性及未被充分代表的少数群体能接触到 R。然而,由于被限制在复杂的 Tidyverse 系统中,这些群体将很难为 R 语言作出更多贡献,诸如编写 CRAN 包、撰写书籍等等。这些工作需要相当熟悉 base-R 的使用,即使代码本身仍然可以主要由 Tidyverse 写就。当然,也不只是这些群体,这对任何人都适用。可惜的是 RStudio 正在伤害它本想要帮助的那些人。

可教学性

从大学以来,教学一直是我兴趣所在。我成为统计和计算机老师很多年,也得过一些教学奖项。我写的课本 Statistical Regression and Classification: from Linear Models to Machine Learning 获得 2017 年的 Ziegel Award。

除此以外,我对人们如何学习有浓厚的兴趣,无论他们是孩童还是中年人。除了上述课程以外,我还教过移民成年人作为第二语言的英语,他们大多数没有完成高中教育。

关于教学的讨论,我这里把对象定为 想用 R 进行数据分析的非程序员,而不是想成为专业 R 语言程序员的人。

案例分析:R 语言第一课

Tidyverse 对初学者过于复杂。这里有一些便捷的例子显示 Tidy 的复杂性及其后果,非程序员学生学习 R 的时候难以适应。

来看一下我的在线 R 教程 fasteR。比如,考虑下面一行

> hist(Nile)

即用 R 内置的尼罗河数据集绘制一副简单的直方图。

这就是我教程的第一课。简单!相反,用 Tidy 的群体不使用 base-R 而坚持使用 ggplot2 绘图(再说一次,其实这并不属于 Tidy,只不过有 Tidy 的倡导者常如此描述)。要想用 Tidy,老师需要如下操作

> library(ggplot2)
> dn <- data.frame(Nile)
> ggplot(dn) + geom_histogram(aes(Nile))

如此,老师有太多东西需要解释——包、数据框、ggplot()、aes 参数、+ 的作用(在这里并不表示加法)等等——因此老师也许本不该在第一堂课就展示这种用法。

同样出自我的第一课,还有

> mean(Nile[80:100])

打印给定年份区间内尼罗河流量的平均数。令人惊奇的是,这不仅不会出现在 Tidy 第一课,使用 Tidy 教程的学生甚至有可能 永远不会 学到如何做这件事。典型的 Tidy 老师并不认为向量对学习者有多么重要,更不要说向量下标了。

作为这个 Tidy 观点的实例,请见 Getting Started with R,作者 Beckerman et al,Oxford University Press,second edition,2017。这本书特别强调 “遵循 Tidyverse”。书共231页,仅简略地提到向量,并且完全没有提及下标。

案例分析:Dalgaard 的书

2019年12月,一位研究者发推特说 Peter Dalgaard 的一本讲统计学概论的书“过时了”,因为用的是 base-R 而非 Tidy。想一想如果要更新到 Tidy 会涉及什么,又会强加给学生多少复杂性。这里是书中的一个例子:

> thue2 <- subset(thuesen, blood.glucose < 7)

基于 base-R 的话,这第二课可以轻松讲到,说不定第一课就可以。而 Tidy 则不然,需要更改成

> library(dplyr)
> thue2 <- thuesen %>% filter(blood.glucose < 7)

老师首先要讲授管道操作符 %>%,又一份额外的复杂性。在做这件事情的时候,老师很可能要强调管道是“从左到右”的流,然而学生会感到困惑,因为从左到右的流完成后,马上就又跟着一个从右到左的流 <-。(不管出于什么原因,Tidy 似乎并不使用 R 的 -> 操作。)

又一次,Tidyverse 对于没有编程背景的学习 R 的人依然过于复杂,拖慢了学习进度

Tidyverse 倡导者们的提法

怀着为教学致力终生的热情,我强烈质疑 Tidyverse 倡导者们的提法,即使用 Tidy 对非程序员进行教学,而不使用 base-R。

(我认为 dplyrdata.table 都是高阶的课题;两者都不适合初学者。另一方面,指导初学者使用 ggplot2 则完全可行,当然要再次指出其并不是 Tidyverse 的一部分)

还没有关于倡导者们对 Tidy 可教学性的提法的研究。倡导者们通常会提供来自学生的赞誉,如

  • “我用 Tidyverse 学习了 R,现在用 R 很有生产力”

  • “我喜欢 Tidyverse 类似英文的自然用法”

  • “我可以用 Tidyverse 做出漂亮的图”

  • “Tidyverse 向我展现了数据的流动”

同时也是老师的倡导者们则会重复这些陈述并加以评论,诸如:

  • “Base-R 适合专业程序员,但 Tidyverse 是只想进行数据分析的非技术人员学习 R 的最佳工具”

  • “R 由统计学家创造,为统计学家使用。而我们是数据科学家,主要兴趣在于制作图表”

  • “Tidyverse 是 现代的 R,供我们其他人使用”

全部这些陈述要么具有误导性,要么和可教学性问题无关,或者是彻底的空话。关于 base-R 与 Tidy 间可教学性的比较,它们等于什么也没有讲。(讽刺的是,展示这些陈述的倡导者们是数据科学家,本应知道存在控制组的必要性。)

Tidyverse 带来过多复杂性,让学习变得更难

与 Tidy 倡导者的提法正相反,我相信 Tidyverse 让之前没有编程背景的人更 学习。

认知过载是很严重的问题。Tidyverse 的学生要学习的材料相对多得多,这显然不是好的教育方法。在“Tidyverse 诅咒”一文中,作者提到 此外 他还“仅仅”用到了 60 个Tidyverse 函数——60!Tidyverse 的“明星” dplyr 包含了 263 个函数。

尽管用户最开始只需要用到这些函数的一小部分,高度的复杂性依然明显存在。每当用户要使用一个操作的某种变体,都必须从几百个函数中筛选出正好是需要的那一个。

Tidy 倡导者说全部函数界面的统一性使学习变得更容易。统一的 语法 确实很好,但是实际情况是用户真正需要学习的是函数的 语义,即每个函数将进行何种操作。举例来说,summarize()summarize_each()summarize_at()summarize_if() 区别何在?在何种情况下应该使用哪个函数?用户必须加以筛选。

关于 dplyrdata.table 的创造者 Matt Dowle 指出

你要整合进管道的并不是一个函数 mutate。这一个函数可以是 mutatemutate_mutate_allmutate_atmutate_eachmutate_each_mutate_iftransmutetransmute_transmute_alltransmute_attransmute_if。 而你却告诉我 [因为用户界面都是一致的] 不需要参考手册就能学会这全部?

只是共用一套语法,并不能减轻让人昏头的复杂程度。

作为对比,只要用户学会了 base-R (不难),就可以用少数几个简单的操作处理各种情况。古话说得好:“授人以鱼,不如授人以渔。”

Tidy 推广者不希望 R 初学者学习什么

Tidy 推广者提出避免使用 base-R 最基础的部分:

  • $ 操作符

  • [[ ]]

  • 循环

  • plot() 以及相关的基础图形函数等

他们声称这能“简化”学习的过程,然而实际上却会迫使初学者采用一套更复杂、不直观且难以阅读的方案。

案例分析:tapply() 函数

tapply() 是在 R 语言里最常使用的函数之一。如下所示,可以说它是对 R 初学者来说最好用的函数,但出于某些原因,Tidy 倡导者并不喜欢这个函数。

考虑 Tidyverse 教程里一个常见的例子,用到 R 的 mtcars 数据集。目标是找出一部车消耗每加仑燃料平均能行驶多少英里(miles per gallon, mpg),并按汽缸个数进行分组。Tidy 给出的代码为

library(dplyr)
mtcars %>%
   group_by(cyl) %>%
   summarize(mean(mpg))

这是 base-R 版本:

tapply(mtcars$mpg, mtcars$cyl, mean)

两者都很简单。都不难为初学者所掌握。初学者看过几个例子后,把它们应用在同类别的新问题也不会有什么困难。Tidy 版本调用了两个函数,base-R 则是一个。无论如何,两个版本都不复杂,难分伯仲。但是这当然不能算作 Tidy 版本比较 容易 学习的例子。

如何从两个方面进行分组比较有指导意义:

> mtcars %>%
+ group_by(cyl, gear) %>%
+ summarize(mean(mpg))
# A tibble: 8 x 3
# Groups:   cyl [3]
    cyl  gear `mean(mpg)`
  <dbl> <dbl>       <dbl>
1     4     3        21.5
2     4     4        26.9
3     4     5        28.2
4     6     3        19.8
5     6     4        19.8
6     6     5        19.7
7     8     3        15.0
8     8     5        15.4
> tapply(mtcars$mpg, list(mtcars$cyl, mtcars$gear), mean)
      3      4    5
4 21.50 26.925 28.2
6 19.75 19.750 19.7
8 15.05     NA 15.4

必须告诉学生,tapply() 用于分组的变量数多于一个时,要把变量用 list() 括起来。和前面一样,只要有一些例子,学生们这样用没有什么困难。

不过要看看输出形式:Tidy 版本输出一个 tibble,不易阅读,而 tapply() 输出一个 R 矩阵,以双向表的形式打印出来。后者的形式恰好是很多学生所需要的,比如应用到社会科学研究等。

检索过 dplyr 的几百个函数后,我没有找到如何把 Tidy 的输出转换为 tapply() 提供的更有信息量的表格样式。就算这样的函数存在,其难以被轻易识别也正好能体现我上述观点,Tidy 过于臃肿,不适合初学者。

此外,tapply() 的输出还有另一重含义,让用户能够察觉没有8-汽缸、4-挡位的汽车也是在很多应用中非常有意义的一类信息。

实际上,可以对 Tidy 版本加以修改以显示空白组:

> mtcars$cyl <- as.factor(mtcars$cyl)
> mtcars$gear <- as.factor(mtcars$gear)
> mtcars %>%
+    group_by(cyl, gear, .drop=FALSE) %>%
+    summarize(mean(mpg))
# A tibble: 9 x 3
# Groups:   cyl [3]
  cyl   gear  `mean(mpg)`
  <fct> <fct>       <dbl>
1 4     3            21.5
2 4     4            26.9
3 4     5            28.2
4 6     3            19.8
5 6     4            19.8
6 6     5            19.7
7 8     3            15.0
8 8     4           NaN
9 8     5            15.4

注意需要格式转换,Tidy 文档没有提到。即使有文档,这对 R 初学者来说也是更加复杂了。

因此,说到晓畅程度和可学习性,在这个特定的例子里 Tidy 和 base-R 都不错,Tidy 也并没有更容易学习。至于可用性,我判 base-R 获胜。

对函数式编程的使用

Tidyverse 包中另一个特殊的库,面向 函数式编程(FP)的 purrr,有 177 个函数。关于复杂性的论点依然适用;我们再次遇到和上述 dplyr 同样的问题,“有太多函数要学”。

从入门的层次看,FP 就是调用 FP 函数以取代循环。R 的 apply 函数家族,再加上 Reduce()Map()Filter(),就属于 FP。在很多情况下,使用这些函数是正确的方案。但是按很多 Tidy 推广者提倡的,不加区分地使用 FP 替代 所有 循环,明显是过分了,还特别给初学者带来很多困难。

这个推断是 先验 的——FP 涉及函数的编写,而多数初学者需要很长时间去掌握这项技能

值得注意的是,顶尖大学的计算机系在逐渐调整编程绪论课程,不再使用 FP 范式,而是采用更传统的 Python。他们认为 FP 更加抽象,更有挑战性。

关于这个话题,一个有趣的讨论见 Charavarty 和 Keller。其实他们支持在 CS 专业的编程绪论课堂中使用 FP,但两位作者的目标和学习 R 的人正好是对立的。作者们列出了三个目标,其中一个是讲授计算机科学理论,对 R 的一般性教学来说,这是不可取的,更不要说教没有编写代码经验的人学习 R 语言。他们承认,即使是对 CS 学生来说,FP 的一个关键概念 递归 也是“显著的障碍”。

如果说 FP 对 CS 学生就很难,那么就没有道理让学习 R 的非程序员学生去使用 FP。

甚至 Hadley 也在 R for Data Science 中说道:

把一个函数传递给另一个函数,这个想法十分强大, 也是使 R 可以成为函数式编程语言的行为之一。 你可能需要一些时间让你的头脑适应这个想法, 然而这种投入是值得的。

实际上,大多数非 FP 的语言也允许将一个函数传递给另一个,而且这也确实是个强大的工具,值得投入时间学习——对于有经验的 R 程序员来说。然而,不应当强迫学习 R 的非程序员“让他们的头脑适应” purrr

purrr 与 base-R 的对比

我们再次使用 mtcars 做例子,来自在线教程。这里的目标是用车重去回归英里每加仑,计算每个汽缸组别的 R2。这是 Tidy 方案,来自 map() 的在线帮助页面:

library(purrr)
mtcars %>%
  split(.$cyl) %>%
  map(~ lm(mpg ~ wt, data = .)) %>%
  map(summary) %>%
  map_dbl("r.squared")

# output
4         6         8
0.5086326 0.4645102 0.4229655

这里有几个主要的点需要注意:

  • 针对这个特定的例子,学习 R 的人必须要学习两个不同的 map 函数,以及大量其它函数,只为了一个基础用法。这个例子很好地说明了 Tidy 认知过载的问题。实际上,purrr 有 52 个不同的 map 函数!(见下)

  • 第一个 map 调用中的第一个 ~ 十分不直观,即使有经验的程序员也没法猜出其作用。这能有力反驳 Tidy 倡导者所声称 Tidy 更符合直觉、就像英语。

  • Tidy 执着于避开使用 R 语言标准的 $ 符号,导致了各种混乱与困惑。

  • 不幸的学生自然要问:“表达式里的 ‘summary’ 是哪里来的?”看起来像是在调用 map() 的时候用了不存在的变量 summary。而在幕布背后,实际上是 base-R 的 summary() 函数被调用于前面的计算。这又是相当不直观的,在线帮助页面中也 没有 提到。

  • 这个可怜的学生会对调用 map_dbl() 感到进一步困扰。那个 r.squared 从哪里来?再一次,Tidy 把事实隐藏了,summary() 会产生一个含有 r.squared 组件的 S3 对象。是的,有时候隐藏细节是有帮助的,但只是在不会让初学者感到困惑的时候。

实际上,R 初学者最好还是从写一个循环开始,避开具有挑战性的 FP 概念。即使老师认为初学者 必须 学习 FP,base-R 版本也要简单很多:

lmr2 <- function(mtcSubset) {
  lmout <- lm(mpg ~ wt, data=mtcSubset)
  summary(lmout)$r.squared
}
u <- split(mtcars, mtcars$cyl)
sapply(u, lmr2)

这里 lmr2() 有明确的定义,而不是 Tidy 版本里难以看透的 map() 调用和其中的 ~

在关于这个例子的推特讨论中,一个 Tidy 倡导者提出异议说上面的 purrr 代码不适合学生用:

说的没错,但我原本的推特是讲如何教导新人的。 你的例子其实是无关的,因为这是非常复杂的概念。

这就是我的观点!新人应该用循环,而不是purrr。然而 Tidy 推广者不愿让学生用循环。所以用 Tidy 的老师就得避免给学生用这样的例子,对于同样的例子,用 base-R 的老师就很容易处理。

如上所述,Tidy 版本是对“有太多函数要学”这种认知过载的写照,我们更早在 dplyr 中也见到了这个问题。请看:

> ls('package:purrr', pattern='map*')
 [1] "as_mapper"      "imap"           "imap_chr"       "imap_dbl"      
 [5] "imap_dfc"       "imap_dfr"       "imap_int"       "imap_lgl"      
 [9] "imap_raw"       "invoke_map"     "invoke_map_chr" "invoke_map_dbl"
[13] "invoke_map_df"  "invoke_map_dfc" "invoke_map_dfr" "invoke_map_int"
[17] "invoke_map_lgl" "invoke_map_raw" "lmap"           "lmap_at"       
[21] "lmap_if"        "map"            "map_at"         "map_call"      
[25] "map_chr"        "map_dbl"        "map_depth"      "map_df"        
[29] "map_dfc"        "map_dfr"        "map_if"         "map_int"       
[33] "map_lgl"        "map_raw"        "map2"           "map2_chr"      
[37] "map2_dbl"       "map2_df"        "map2_dfc"       "map2_dfr"      
[41] "map2_int"       "map2_lgl"       "map2_raw"       "pmap"          
[45] "pmap_chr"       "pmap_dbl"       "pmap_df"        "pmap_dfc"      
[49] "pmap_dfr"       "pmap_int"       "pmap_lgl"       "pmap_raw"      

作为对比,base-R 版本中我们就只用到了 base-R!在 apply 家族中只有四个函数要学:apply()lapply()sapply()tapply()

Tibbles

同样,迫使学生学习 tibbles 是糟糕的教学方法。这是更复杂的技术,还是数据框更简明。需要 tibbles 解决的情况应属于进阶课题,并不适宜没有编码背景的初学者。

这些高级的情况下,数据框里列或行的元素不是 原子 对象,即并非简单的数字、字符串或者逻辑值。这是 Tidy 倡导者树立的“稻草人”;R 初学者不大可能遇到这种类型的数据框。

英语的问题

Tidyverse 倡导者强调最多的观点是 Tidyverse 的语法“像英语”,所以更容易教学。

下面对比“英语”的 dplyr 和“非英语”的 data.table(来自这里)。我们要再次使用 R 内置的 mtcars 数据集。

library(data.table)
mtdt <- as.data.table(mtcars);  mtdt[cyl == 6]  # data.table 语法
library(dplyr)
mttb <- as_tibble(mtcars);  filter(mttb, cyl == 6)  # dplyr 语法

真有什么区别吗?初学者即使没有编程背景,看过一些例子后,也无法快速采用这两者中的任一种吗?声称 dplyr 具有高度可教学性的老师也会欣然同意他们的学生可以容易地学会 data.table,只要给一些例子,也就是我为初学者所选择的 base-R。

早些时候我们见过的 purrr 例子

mtcars %>%
  split(.$cyl) %>%
  map(~ lm(mpg ~ wt, data = .)) %>%
  map(summary) %>%
  map_dbl("r.squared")

甚至有经验(但非 R)的程序员也难以理解,这和声称的“像英语一样晓畅”明显是矛盾的。而且 dplyr 中 mutate 的意思和英语中的意思一点都不接近,也不太可能猜出来,非 R 的专业程序员也不行。

换句话说,尽管学生可能会说他们喜欢 Tidy “英语”的方面,其好处却不是实在的。如果学习 base-R 而不是 Tidy,他们可能会更精通 R,学得 更快

顺便说一下,如下所述,Tidy 倡导者不喜欢的很多 base-R 函数,名字 确实 使用了英语,例如 plot()lines()aggregate()merge()。那么显然英语不是核心问题。

管道

Tidyverse 还大量使用 magrittr 管道,比如把复合函数 h(g(f(x))) 写成

f(x) %>% g() %>% h()

这个例子的卖点是“英语”,可以从左向右阅读。然而,这到底有多少价值?在任何情况下,我个人也都可以从左向右写这段代码,无需 使用管道:

a <- f(x)
b <- g(a)
h(b)

作为一名老师,我长期讲授编程语言(C、C++、Java、Pascal、Python、R、汇编语言等等),我发现对管道的介绍一直是个麻烦。使用管道的代码版本隐藏了 g()h() 也各需要一个变量的事实,变量在管道的表达式中并不可见。

假如 w() 需要两个变量,若第一个变量在管道中使用了,就会隐藏起来,看起来好像就只有一个变量:

> w <- function(u,v) u+2*v
> 3 %>% w(5)
[1] 13

这里 w() 有两个变量,但看起来只有一个。

如果我们想让 3 作为 v,而不是 u 呢?可以做到,用 magrittr 的“点”记法:

> 3 %>% w(5,.)
[1] 11

这是说明我观点的又一个例子,Tidy 用额外且不必要的复杂性给学习 R 的人增加了负担。正如同有 263 个函数的 dplyr,对初学者来说,管道也同样过于复杂。管道在使用中变体太多了,Hadley 的书 R for Data Science 用了一整章讲管道,共 3415 个单词。

如前所述,初学者一开始只需要学习其中的一小部分内容,但上面的点记法的例子当然还不能算高级案例。初学者每次遇到新的状况,都必须从无数变体中筛选, dplyrpurrr、管道或者别的什么。

此外,如果上述函数 h() 需要两个变量而不是一个,并且每一个变量都需要函数的复合呢?管道就没法用了。

更为重要的是,即使管道的倡导者也会承认管道调试更加困难;作为对比,我上面写的那种风格很容易调试。另外,问题规模大的时候,用管道的代码运行较慢。

Tidy 倡导者提出管道的好处是“从左向右”执行。他们承认无需管道也能做到这点,但是强调需要付出创建变量存储中间结果的代价。这是个有效的观点,但是得到的好处不大。和给学习 R 的人带来的认知过载、调试困难等问题比,值得吗?在我看来显然不值得。

代码可读性

Tidyverse 倡导者还提出 dplyr 的“英语”用法让代码更容易“阅读”,而不仅是编写。在我看来,这错过了重点;任何软件工程的老师都会告诉你,最佳代码可读性来自使用 真正 英语编写良好、有意义的代码注释。写注释对非程序员来说同样重要,甚至可能更重要。

我的 R 风格导引 中提到了更多可读性问题。

总结:Tidyverse 在教学中的合理地位

正如我前面所说,与成功使用 Tidyverse 指导初学者程序员的老师讨论时,我问他们学生是否没有能力只学习 base-R,他们承认答案是否定的。事实上,在 Tidyverse 之前,大量在过去没有任何编程背景的人都在学习 base-R,。

如前所述,Tidyverse 难以调试,并且在大型数据集上运行缓慢。所感知的“像英语”的益处是虚幻的。

简言之,在我看来,通过 Tidyverse 讲授 R 没有任何好处,而且存在一些重大的缺点。我认为在向初学者讲授 R 时采用 Tidyverse 是错误的,原因如下:

  1. 复杂,Tidyverse 中新函数新概念太多。

  2. 难以调试。

  3. 泛化能力差。

推荐

教学

R 的课程,特别是面向非程序员的课程,应当以 base-R 建立稳固的基础作为第一要务。

Tidy 在 R 课程中的适当位置应该是:

  • dplyr:与 data.table 一起在中等 R 级别教学。

  • purrr:仅在高等级别教学.

  • 管道:在中等级别教学,作为一个对有些学生在有些情况下有用的 选项,(而非作为 必须 采用的工作方式)。

我当然不是说应该只使用 base-R;正相反,CRAN 是 R 的一大优势,我也大量使用,R 初学者绝对应该知道这个。

但是,Tidyverse 应被视为高级的 R,不是面向初学者的入门级别的 R,就像大多数复杂的 CRAN 包一样,Tidyverse 应该作为 选项 被呈现,而非 必须 的方式。

RStudio 的作用

在我看来,RStudio 可以很容易地解决这个问题。可以采取以下措施,大大改善“垄断”问题:

  1. 向初学者推广 base-R 的教学,把 Tidyverse 作为高级课题。R for Everyone: Advanced Analytics and Graphics (second ed.),作者 Jared Lander 这本流行书就是这样做的!

  2. 在 RStudio 各种关于编写快速 R 代码的网页中,给予 data.table 同等对待。

发表/查看评论