barnett874 速度一样是不可能的，这辈子都不会一样的。|> 是从语法解析器层面实现的，把 x |> f() 直接解析为 f(x)，也就是 x |> f() 的速度几乎与直接运行 f(x) 一样；而 %>% 则没这么直接，它还要做一箩筐其它的事情。

chuxinyuan 我的理解是 %>% 的实现太复杂了，规则太多；而 |> 的实现干净利落，有且仅有一条规则，就是我上面说的，比如它要求管道右边必须是一个函数调用，而不能是裸函数，而 %>% 则二者皆可。

1:10 %>% head
1:10 %>% head()

1:10 |> head  # 这不可以
1:10 |> head()

|> 也不支持 %>% 发明的占位符 .。要用占位符的话，只能显式地写一个函数，不过可以是简写版的匿名函数，如 \(.) head(., 8)，也就是一条反斜杠代替了 function 关键字。不过说实话我到现在仍然不习惯这个反斜杠，因为它在我脑子里根深蒂固成了转义符的代表，视觉上我很难把 \(x) 与 function(x) 等价起来。

最后，不管是哪种管道，我个人对它们都并不是很热衷。%>% 的排错（debug）之麻烦，让我觉得简直难以忍受；若真能一气呵成写出一条管道，那皆大欢喜，而万一要是写不对，要查出是哪里错了，则麻烦得要死，所以我宁愿用结硬寨、打呆仗的办法写代码，哪怕这种呆办法被管道党一次次嘲弄。

x = 1:10
x = head(x)

因为 |> 的实现原理简单，所以出错后排错要容易得多，可以使用常见的排错手段，如 debug() 函数。

        倒不意外，油管哪个视频好像是什么会议上就有人说了马上管道就来了，还演示了示例代码但是确实没想到这么快。鼓掌👏。

        ✓ [main*]> empfreq %>% 
     tibble(no = row.names(.))
# A tibble: 12 x 2
   .       no   
   <table> <chr>
 1 0.235   0    
 2 0.275   1    
 3 0.230   2    
 4 0.105   3    
 5 0.050   4    
 6 0.045   5    
 7 0.015   6    
 8 0.020   7    
 9 0.005   8    
10 0.005   9    
11 0.010   10   
12 0.005   11   
✓ [main*]> empfreq |> 
     tibble(no = row.names(.))
Error: Internal error in `df_slice()`: Columns must match the data frame size.
Run `rlang::last_error()` to see where the error occurred.

        试了一下 |>, 目前来说还是会使用 magrittr 包, 主要有三点:

        1. 我经常使用 %<>%, 它可以让代码更简洁, 让写代码的过程更流畅. 比如 x$y$z %<>% c(a) 这样的代码, 要是不用 %<>%, 写出来会一长串, 尤其是变量名比较长的时候.

        2. 如果值不是传给右边函数的第一个变量, |> 用起来会比较笨拙. 比如 x$y %>% {ifelse(is.null(.), ., 1)} 这样的代码, 要使用 |> 必须配合 lambda 函数的写法, 行文上就更不流畅.

        3. 另外, R 4.1.0 提供了 => 所谓的 pipe bind operator 来解决值传递给非首位变量的问题, 但是这让 R 的 pipe 设计在整体上非常不统一, 非常不奥卡姆剃刀.

        除非对速度有很高的要求, 不然代码流畅性和代码对人的可读性一定是我首先考虑的. 所以从以上几个角度来说, 我更倾向使用 magrittr.

        yihui
        看到个支持占位符的做法

        Sys.setenv("_R_USE_PIPEBIND_" = "true")
        • ryo 回复了此帖
        • ryo 觉得很赞

            yihui yihui ，你好
            看到这个更新，确实觉得不错。
            但在官网也没说明。新的管道操作有没有快捷键啊。是不是和{magrittr}一样的？
            我认为管道操作一定要有快捷键，这样写起代码来才顺畅

                x <- c(1:10, NA)

a_fun <- function(x) {
  . <- x
  . <- ifelse(is.na(.), 0, .)
  . <- (. + 1) * 3
  . <- sort(.)
  head(., 5)
}

b_fun <- function(x) {
  x |>
    {\(.) ifelse(is.na(.), 0, .)}() |>
    {\(.) (. + 1) * 3}() |>
    sort() |> 
    head(5)
}

a_fun(x)
#> [1]  3  6  9 12 15
b_fun(x)
#> [1]  3  6  9 12 15

dput(a_fun)
#> function (x) 
#> {
#>     . <- x
#>     . <- ifelse(is.na(.), 0, .)
#>     . <- (. + 1) * 3
#>     . <- sort(.)
#>     head(., 5)
#> }
dput(b_fun)
#> function (x) 
#> {
#>     head(sort({
#>         function(.) (. + 1) * 3
#>     }({
#>         function(.) ifelse(is.na(.), 0, .)
#>     }(x))), 5)
#> }

                <sup>Created on 2021-05-24 by the reprex package (v2.0.0)</sup>

                想了好久，感觉我还是更喜欢传统的写法。也可以在Rstudio设置 ". <- " 快捷键。写出来的代码也可以很简练。如函数a_fun。这本身就符合奥卡姆剃刀原则。这是其一。
                其二, 使用管道符号以后，写出来函数的格式不稳定。比如，dput(b_fun) 以后和原来的代码完全不一样。虽然这对大部分用户来说并不是什么问题，但我本人不太喜欢。

                个人观点。

                  JackieMe 你不是第一个这么说的人。一堆特殊字符（大括号、反斜杠、小括号、点、竖线、小于号）堆在一起，确实是太 Perl 了。

                  所以我还是喜欢 a_fun 里的写法，一步一赋值，简单明了，排错方便。管道的写法太怂恿用户追求形式上的美感，而这种外表美掩盖了潜在的代价。每次看到这种讨论，总让我联想起古诗与现代诗。形式美是一种美，但特别容易病态和狂热，舍本逐末（比如我认为诗的平仄差不多就行，完全不必成为规则；管道也不必管天管地，不是所有代码都适合管道；管道本是 Unix 的发明，也没见到 Shell 脚本到处都是管道吧，通常也都是普通的 if 判断或 for 循环；我一直都不是很理解为啥 R 社区这么狂热于管道）。

                  但 a_fun 这种一步一赋值的写法最容易被人诟病的是，当变量名比较长时，写起来就很啰嗦了。这里用 . 简写看起来还行。我通常绕过这个问题的办法是写新函数：如果需要重复操作一个变量，那么就把这部分代码抽出去写一个新函数，新函数的参数用短变量名。如：

                  c_fun <- function(x) {
  x_squared <- x^2
  x <- (x_squared + 1) * (x_squared -2)
  head(x, 5)
}

                  为了避免重复敲 x_squared 这个长名字，可以新写一个函数，参数用短名：

                  d_fun <- function(x) {
  (x + 1) * (x -2)
}

                  然后调用新函数：

                  c_fun <- function(x) {
  x <- d_fun(x^2)
  head(x, 5)
}

                  抽离局部代码到新函数这种做法也便于单元测试。不过我这都是从开发者角度说的。数据分析的代码风格会不一样，可能不会频繁抽离新函数。

                    我自己刚开始接触管道的时候, 有过什么都想上管道的倾向 ... 现在处于一种混杂的状态. 至于什么时候用什么时候不用, 我的标准是认知上的流畅和简洁. 但这个 "简洁" 并不是完全说输入的代码越少越好. 我下面举一些例子:

                    my_data[, c("var_1", "var_2", "var_3")] %>% my_fun()

                    上面这个例子我觉得就是一个简单的, 但是显示管道优点的例子. 因为它的形式是贴合你的思维过程的. 如果你用传统的方式来写, 就会有点拗口:

                    my_fun(my_data[, c("var_1", "var_2", "var_3")])

                    因为 my_fun() 这个操作是后发生的.

                    如果用中间的变量, 我个人会觉得有点笨拙:

                    new_data <- my_data[, c("var_1", "var_2", "var_3")]
my_fun(new_data)

                    这么写对我个人来说还有三个不爽的点:

                    1. new_data 这个变量是不重复使用的, 有点废话.
                    2. new_data 会阻断思维过程, 本来一句话能说清楚的, 变得冗长了. 我下次看的时候, 加工时间会更长.
                    3. 如果你采用中间变量是为了更清晰, 更显性, 那么这背后需要你花心思去取直观简洁的变量名, 这个过程对我来说很痛苦.

                    但就算我支持管道, 我也不会刻意这样写:

                    c("var_1", "var_2", "var_3") %>%
  {my_data[, .]} %>%
  my_fun()

                    因为我思考的时候, my_data[, c("var_1", "var_2", "var_3")] 是整体出现的. 字面上的, 刻意的简洁反而是损害思维上的简洁的. 除非 c("var_1", "var_2", "var_3")] 是我之前处理的结果.

                    这些例子看起来很无足轻重, 但是是我实际开发时的体验的缩影.

                    开辟第三战场

                    # Example - 1
1:10 ->.; head(.) # 如果换行分号就可去掉了。

# Example - 2
1:10 ->.
  head(.)

# Example - 3
library(dplyr)
mtcars ->.
  group_by(., cyl) ->.
  summarise(., mpg_avg = mean(mpg)) -> df

                      chuxinyuan
                      可以设置个 " ->.; "的快捷键。 想换行就换行，不想换行就接着写。哈哈~~

                      10:1 |> sort() |> head(5) ->.; ifelse(. < 5, 0, .) ->.; plot(.)

                      这样是不是有点梦幻了。

                      等同于这样：

                          . <- head(sort(10:1), 5)
    . <- ifelse(. < 5, 0, .)
    plot(.)
                          5 天 后

                          barnett874

                          设置了还是... @@“

                          x 3.3 GiB [master*]> devtools::session_info()$platform |> 
     unlist() |> 
     data.frame(Category = names(.), session_info = .)
Error in data.frame(unlist(devtools::session_info()$platform), Category = names(.),  : 
  arguments imply differing number of rows: 9, 0

x 3.3 GiB [master*]> devtools::session_info()$platform %>% 
     unlist() %>% 
     data.frame(Category = names(.), session_info = .)
         Category                 session_info
version   version R version 4.1.0 (2021-05-18)
os             os           Ubuntu 20.04.2 LTS
system     system            x86_64, linux-gnu
ui             ui                      RStudio
language language                           en
collate   collate                  en_US.UTF-8
ctype       ctype                  en_US.UTF-8
tz             tz                   Asia/Tokyo
date         date                   2021-05-30

                            好了～

                            3.3 GiB [master*]> devtools::session_info()$platform %>% 
     unlist() %>% 
     (function(df) data.frame(Category = names(df), session_info = df))()
         Category                 session_info
version   version R version 4.1.0 (2021-05-18)
os             os           Ubuntu 20.04.2 LTS
system     system            x86_64, linux-gnu
ui             ui                      RStudio
language language                           en
collate   collate                  en_US.UTF-8
ctype       ctype                  en_US.UTF-8
tz             tz                   Asia/Tokyo
date         date                   2021-05-30

                              ryo 可以用 R-perl 这么写：

                              devtools::session_info()$platform |> 
     unlist() |> 
     {\(.) data.frame(Category = names(.), session_info = .)}()

                              😂

                                11 天 后