r - 使用 tidyverse 有什么缺点吗？

第一个缺点：稳定性

一个缺点是tidyverse函数的变化比 R 更快base。因此，如果您想要长期稳定，我会选择基本 R。也就是说，tidyverse开发人员对他们的不同方法持开放态度。参见例如欢迎来到 Tidyverse 小插曲：

[R 和 tidyverse 之间] 的最大区别在于base优先级：基础 R 高度关注稳定性，而 tidyverse 将在寻找更好的界面时做出重大改变。

...以及 Hadley 对您是否希望 tidyverse 有朝一日成为核心 R 软件包的一部分的回答？

这是极不可能的，因为核心包非常保守，因此baseR 代码是稳定的，并且向后兼容。我更喜欢采用更乌托邦式的方法，在尝试找出更好的 API 的同时，我可以非常积极地进行向后不兼容的更改。

第二个缺点：灵活性

整洁的数据概念很棒，但在转换后具有与以前相同的行号（请参阅参考资料mutate）并不总是可能的。参见例如

library(tidyverse)
data.frame(matrix(rnorm(1000), ncol= 10)) %>%
mutate_all(function(i) density(i)$x)

由于行号更改，因此会出现错误。有时我会遇到这样的情况，mutate抱怨行号不一样。summarise这与期望每列只有一个长度类似range，例如，情况并非如此。当然，有一些解决方法，但我更喜欢这里的基本 R

apply(data.frame(matrix(rnorm(1000), ncol= 10)), 2, function(i) density(i)$x)

第三个缺点：复杂性

在某些情况下，tidyverse 可以工作，但要麻烦得多。前段时间我问了一个问题如何做这个代码

df[df$age > 90, ] <- NA

...在 tidyverse 和建议使用的两个答案中

df %>% select(x, y, age) %>% mutate_all(~replace(.x, age> 90, NA))
# or
df %>% mutate_all(function(i) replace(i, .$age> 90, NA))

这两个答案都有效，但显然不像使用基本 R 那样快速编码。

第四个缺点：局限性

如果你想定义你自己的函数，你可以做类似的事情my_fun <- function(x) ...，它function本身就是一个baseR 函数，据我所知没有tidyverse对应的函数。有很多例子表明baseR 函数没有等效的 tidyverse，而且可能永远不会有，例如rnorm、eval、c等等。事实上，这并不是一个缺点，tidyverse但它表明了这一点，tidyverse并且base对不同的事物都有好处，这就是为什么你应该同时学习两者的原因。

为什么这个问题不应该被关闭

该问题已作为副本关闭，并链接到另一个关于 tidyverse 与 data.table 的问题。在我看来，如果有人询问 tidyverse（或任何其他包）的缺点，这并不意味着该人要求与 data.table 包进行比较。相反，通过将 tidyverse 与链接问题中未完成的R 基础进行比较来更明显地说明 tidyverse 的缺点，例如，此问题不是重复的。

r - 使用 tidyverse 有什么缺点吗？

问题描述

解决方案

推荐阅读