dplyr是r語言裡面處理資料資料非常好使的包，但是最近使用它解決一些問題時遇到了瓶頸，並且搜到的教程都特別基礎，所以我打算從原始碼的角度去找解決方案。
為了理解dplyr::mutate這個函式，我們需要借助乙個例項，分別思考mutate(mtcars),mutate(mtcars, gear+carb)和mutate(mtcars, new=gear+carb)會在執行的時候的處理流。
在r語言中直接輸入函式的名字，就能看到"mutate"的原始碼
> dplyr::mutate
function (.data, ...)
usemethod()呼叫和資料結構對應的"mutate". 我們可以用」methods「去找給定泛型函式的所有實現方法
ps: 如果你輸入的不是資料框或者tbl_df，那麼泛型函式就會報錯, 因為找不到對應的
> methods(mutate)
[1] mutate.data.frame* mutate.default* mutate.tbl_df*
usemethod就會選擇mutate.data.frame作為實際使用的函式。但是你不能通過直接在命令裡輸這些mutate.data.frame來檢視它的源**，這是因為*標註的是不可見函式(nonvisible function)，就是不在預設命名空間中的而函式，，你需要用getanywhere()找到這些函式，然後使用命名空間限定符來訪問。
> getanywhere(mutate.data.frame)
a single object matching 『mutate.data.frame』 was found
it was found in the following places
registered s3 method for mutate from namespace dplyr
namespace:dplyr
with value
function (.data, ...)
tbl_df更改資料結構，重新呼叫mutate函式。那麼對於tbl_df類，泛型函式就會呼叫mutate.tbl_df*
> getanywhere(mutate.tbl_df)
a single object matching 『mutate.tbl_df』 was found
it was found in the following places
registered s3 method for mutate from namespace dplyr
namespace:dplyr
with value
function (.data, ...)
named_quos有兩個作用，第一返回quosure類，第二保證quosure類都是由名字的，所以mutate(mtcars, gear+carb)的新增列的名字就是gear+carb.
第二個函式呼叫了mutate_impl，以.data和dots作為輸入，這個函式也是不可見的，所以也要用getanywhere
> getanywhere(mutate_impl)
a single object matching 『mutate_impl』 was found
it was found in the following places
namespace:dplyr
with value
function (df, dots)
_dplyr_mutate_impl模組，傳入的就是資料框和dots物件。
r語言部分的**到此就結束了，因為後續就是呼叫c/c++**編譯後的函式。
這部分的**在github上託管，雖然我幾乎沒用c/c++寫**，但還能勉強看**
接著之前_dplyr_mutate_impl，對應**如下
// [[rcpp::export]]
***p mutate_impl(dataframe df, quosurelist dots) else if (is(df)) else
}
.call和c/c++**互動，這樣子就不需要寫專門的**將r語言的資料結構轉換成c++資料結構。
然後判斷quosure列表的長度，資料框是否存在無效的列名，是否需要分組計算。當長度為0時返回原來的資料框。後面就是具體運算的**，讀起來真的是費勁，但是對於我而言，只需要了解quosurelist dots最後是如何被使用的就行。
dots只是存放表達的中間態，隨後會經由迴圈傳給namedquosure類，後續這些指令傳給call_proxy,而這個類來自於"#include "。不能再繼續了，因為此恨綿綿無絕期，繼續就是rcpp這個無底洞，放棄吧。
總結一句：理解dplyr包的關鍵在於，你得知道dplyr包本身不參與的資料處理，它只是生成sql語言轉述給後端的資料庫，讓資料庫完成資料處理部分。換句話說，它對sql語句的簡潔封裝，實現前後端分離。通過讀源**的方式，我理解到掌握
mutate的核心其實學會dplyr程式設計，學會將你需要執行的表示式傳遞給dots，你就能自由的使用mutate甚至是其他所有dplyr系列。
mutate拓展函式:mutate_if,mutate_all,mutate_at就是學習mutate的最好案例
首先以.tbl=mtcars，.funs=funs(mean)設定函式內區域性變數，
然後呼叫manip_all,源**如下
manip_all <- function (.tbl, .funs, .quo, .env, ...)
syms <- syms(tbl_nongroup_vars(mtcars))
funlist <- dplyr:::as_fun_list(funs(mean), quo(mean), caller_env())
# 執行結果
$mpg
expr: ^mean(mpg)
env: global
$cyl
expr: ^mean(cyl)
env: global
...$carb
expr: ^mean(carb)
env: global
!(!(!funs)), 我目前還不知道有什麼用。可能是rlange!!!，用於將列表的內容解壓,所以下面兩個表達是等價的
# 表達一
mutate_all(mtcars,funs(mean)
# 表達二
syms <- syms(tbl_nongroup_vars(mtcars))
funlist <- dplyr:::as_fun_list(funs(mean), quo(mean), caller_env())
mutate(mtcars,!!!rs)
閱讀mutate原始碼學習dplyr
dplyr是r語言裡面處理資料資料非常好使的包，但是最近使用它解決一些問題時遇到了瓶頸，並且搜到的教程都特別基礎，所以我打算從原始碼的角度去找解決方案。為了理解dplyr mutate這個函式，我們需要借助乙個例項，分別思考mutate mtcars mutate mtcars,gear carb ...
《原始碼閱讀》原始碼閱讀技巧,原始碼閱讀工具
檢視某個類的完整繼承關係 選中類的名稱，然後按f4 quick type hierarchy quick type hierarchy可以顯示出類的繼承結構，包括它的父類和子類 supertype hierarchy supertype hierarchy可以顯示出類的繼承和實現結構，包括它的父類和...
原始碼閱讀 Glide原始碼閱讀之with方法（一）
前言 本篇基於4.8.0版本 原始碼閱讀 glide原始碼閱讀之with方法 一 原始碼閱讀 glide原始碼閱讀之load方法 二 原始碼閱讀 glide原始碼閱讀之into方法 三 大多數情況下，我們使用glide 就一句 但是這一句 裡面蘊含著成噸的 with方法有以下幾個過載方法 publi...