Appendix A — Assorterte notater jeg ikke greide å presse inn andre steder

A.1 Avruding i R

R følger visst en annen avrundingsregel enn SPSS, hvor 0.5 blir runda ned til 0 istedenfor opp til 1 slik vi nok er vant til. Dette er matematisk innafor å gjøre, men kan føre til at R gir andre tall enn vi får fra SPSS, sjøl om utgangspunktet er likt. Om det har noe å si avhenger av hvor mange desimalposisjoner man har i utgangspunktet. I arbeidet med boligflytterater fant jeg kun forskjeller hvis jeg hadde med 14 desimaltall. Det var nok ikke en viktig forskjell. Du kan lese mer om dette i skotske NHS’ artikkel om temaet.

A.2 Iterering og funksjonsfamilien map

Noe av det kraftigste og nyttigste med kodespråk er muligheten til å lage løkker (loops). Hvis du veit dette er du kanskje overraska over at vi nesten ikke bruker løkker i R. Årsaken er at løkker er mindre effektive i R siden vi har implementert dette vektorbaserte perspektivet på objekter, som nevnt i starten av pamfletten. Istedenfor tilbyr R en serie med funksjoner kalt apply() eller liknende. Andre funksjoner i denne familien er lapply(), tapply(), etc.

Tidyverse har (så klart) implementert sin egen variant at disse funksjonene som heter map(). Å lære seg map() er definitivt verdt det fordi det lar oss iterere over datasett og gjøre transformasjoner på mange objekter samtidig. Se for deg at vi kjører én kode for å lage befolkningsframskrivninger for alle kommunene i Trondheimsregionen samtidig, istedenfor å gjøre det en etter en. Det er (i teorien) mulig via map().

Når det er sagt, map() er definitivt et viderekommende tema for en R-bruker. Jeg har så vidt begynt å bruke det, og du kan se det i noen av prosjektene mine. Jeg gjør ikke noe forsøk på å forklare det her, men jeg ville nevne det fordi det er nyttig å være klar over.

map()-funksjonene kommer fra pakka purrr, og har kanskje den beste pakkelogoen av alle R-pakker. Dokumentasjonen gir en introduksjon til paradigmet.