index.qmd

---
title: ¿Escribiste el mismo código tres veces?
subtitle: ¡Mejor crea una función!
format: kakashi-revealjs
author:
  - name: Dra. Sara E. Acevedo
    email: seaceved@uc.cl
    affiliations: Pontificia Universidad Católica de Chile | Facultad de Agronomía y Sistemas Naturales
footer: saryace.github.io/taller_funciones_2024
---

## Antes de comenzar

1.  Muchas gracias por participar
2.  La clase quedará grabada y el material disponible [acá](https://github.com/Saryace/taller_funciones_2024)
3.  Preguntas por el chat

## Qué veremos hoy?

* Iteración, loops y funciones
* Paquete `purrr`
* Modelo linear simple
* ggplot2

##

![](img/for_loop.jpeg){fig-align="center"}


[Arte por Allison Horst](https://twitter.com/allison_horst/)

##

![](img/purrr_cat.png){fig-align="center"}

[Arte por Allison Horst](https://twitter.com/allison_horst/)

# [{{< fa brands r-project size=1.4xl >}} DRY ]{style="color:white;float:right;text-align:right;"} {background-color="#56cc9d"}

# [{{< fa brands r-project size=1.4xl >}} Do not Repeat Yourself ]{style="color:white;float:right;text-align:right;"} {background-color="#56cc9d"}

## Algo básico

### Funciones

Una ´function´ forma una expresión en R, la cual tiene una salida (output)

```{r, eval=FALSE}
funcion(argumento_1 = named_argumento_1, 
        argumenot_2 = named_argumento_2,
              [etc.])
```

Ejemplos

```{r, eval=FALSE}
edades_mascotas <- c(3, 2, 3, 4)
mean(x = edades_mascotas) # funcion promedio
```

## Funciones

Las partes de una función son:

1. Argumentos: información necesaria para realizar operación
2. Cuerpo: conjunto de instrucciones 
3. Salida: son los resultados de la función

## Como automatizar usando purrr

:::: {.columns}

::: {.column width="50%"}

- Vector: `map()` función cada elemento del vector

- Lista:  `map()`  función a cada elemento de la lista

- dataframe: `map()` función a cada columna del dataframe

:::

::: {.column width="50%"}

función base de `purrr`: `map()`

![](img/map.png)
  
:::

::::

## Veamos `map()` + vector
```{r}
uno_al_diez <- 1:10
por_diez <- function(x) x*10
purrr::map(uno_al_diez, por_diez)
```

## Veamos `map_dbl()` + vector
```{r}
purrr::map_dbl(uno_al_diez, por_diez)
```

## Veamos `map()` + lista

```{r}

uno_al_diez_lista <- list("numeros" = 1:10)
uno_al_diez_lista 

por_diez <- function(x) x*10
purrr::map(uno_al_diez_lista, por_diez)
```


## función base de `purrr`: `map2()`

`map2()`toma como input una función y la aplica a cada par de elementos (dos vectores o  dos listas)

```{r}
dataset_a <- c(3, 2 ,1)
dataset_b <- c(1, 2, 3)
sumar_filas <- function(x, y) {x+y}
purrr::map2_dbl(dataset_a, dataset_b, sumar_filas)
```

# [{{< fa brands r-project size=1.4xl >}} Comencemos!]{style="color:white;float:right;text-align:right;"} {background-color="#56cc9d"}