1.7.2　自定义函数

如同数学上的函数一样，动态程序语言R与Python的函数对象都是依据输入的对象参数（objects as arguments）进行计算与转换后再传出输出对象。以R语言为例，它运用function关键词创建函数的语法如下（Python自定义函数请参见1.6.2节Python语言面向对象）：

function(arguments) {body}

其中参数值（arguments）是一个（或以上）对象名称（a set of symbol names），可用等号运算符给予对象参数默认值，传入函数主体内执行指令语句后，用return关键词传回最后一行语句，但return关键词常被省略。

与函数相关的另一个名词是参数（parameter），它是函数内程序转换或运算所需要的固有性质（intrinsic property），须包含在函数的定义中；参数值（argument）是当调用函数时，实际传入函数程序中的值，R语言用args()函数显示函数的参数名与对应的默认值。为了方便说明，本书后续不刻意区分参数与参数值。

大部分情况下，需将关键词function定义的函数对象用用户自定义的名称存储起来，方便后续使用。但是也有不具名函数嵌套在其他函数中结合运用的情况，此时不具名函数被称为匿名函数（anonymous function），Python语言称之为Lambda函数。

上例说明R语言如何自定义函数，函数corplot有三个参数，其中参数plotit已有默认的参数值FALSE。下面调用corplot()时，根据使用者传入的参数值u、v和真假值（最后一个可传可不传，因为已经有默认值FALSE了），计算相关系数，并进行逻辑语句判断，决定是否绘制散点图。

plotit为真的散点图如图1.12所示。

在数据处理与分析实战时，经常将重复性的工作定义为函数，便于精简代码、模块化工作流程。下例先读入新生数据集，有入学学年、学院、系所、班级、性别与毕业学校等字符串字段。

除了字段学号（识别变量通常不转为因子）外，先将newbie所有字段转换为因子向量，并查看各字段摘要报表。其中可以发现性别字段有异常值，故将其再转回字符串类型，并用gsub()函数将男女异常值替换为正常值。

查看清理后的性别值频率分布，确定正常后再将其转为因子向量。

使用lapply()隐式循环函数，对部别、学制、系所、学院与性别等类别字段，成批产生频率分布表，了解其类别数据分布状况。

所谓文不如表，表不如排序后的表。因此，进一步使用lapply()隐式循环函数，结合前述匿名函数概念，将各个字段（即匿名函数中的参数u，读者请自行思考其为几维的数据对象？）依序产生频率分布表后再进行排序。

校方需要统计各系科（dept）各学制（acasys）下生源排名前三与后三的学校，因此定义下面deptByAcaSys()的函数。函数在传入科系与学制名后，先用逻辑值索引（logical indexing）挑选子表tbl，接着对子表中的毕业学校一栏产生排序后的频率分布表top3与bottom3，最后组织成数据集df后传出。

以下是调用deptByAcaSys()自定义函数的两个例子，我们还须思考是否有可以改进之处。其实deptByAcaSys()缺乏输入参数的合理性检查（sanity check），好的用户自定义函数应该能够避免不当参数的输入，例如，dept是否在该校9个系所名单内，避免造成意料之外的错误。限于篇幅，请读者自行举一反三。

最后，无论是内置函数、各套件中的函数，还是自行定义的函数，读者应注意引用函数时其默认的参数值与可能的参数选项，才能善用函数模块化数据处理与分析的工作流程。