Purrr-fecting your R workflow

An introduction to functional programming
R Day Colombia

Beatriz Milz

Who am I?

Co-organizer R-Ladies São Paulo
PhD Candidate in Environmental Sciences at the University of Sao Paulo, Brazil
Teacher and Consultant at Curso-R
Tidyverse certified instructor - Posit
Contact:
- Email: milz.bea@gmail.com
- More in my website: beamilz.com

Leading the translation of R4DS to Portuguese

Inspired by the Spanish version: https://es.r4ds.hadley.nz/

https://cienciadedatos.github.io/pt-r4ds/

Plan for today

What is functional programming?
What is the purrr package?
What are my favorite purrr functions?
Example of how purrr helps in my workflow!

Let’s go!

Functional programming in R

Functional programming is a programming paradigm
Functions are really important in this context!

Let’s remember: what is a function in R?

A function is a set of instructions that takes an input (arguments) and returns an output.
You can encapsulate and reuse code.

Example

Instead of writing this command in the terminal:

date

Fri Nov 24 12:05:56 -03 2023

You can use this function in R:

Sys.time()

[1] "2023-11-24 12:05:56 -03"

We use functions all the time!

Structure of a function

A function has:

a name
arguments
a body
a return value (it is the last line of the function)

name_of_function <- function(argument1, argument2, ...) {
  body
  return(value)
}

Simple example of how to create a function

convert_reais_to_us_dollars <- function(reais) {
  us_dollar <- reais / 4.87
  scales::dollar(us_dollar)
}

Minimum wage in Brazil per month in US Dollars:

convert_reais_to_us_dollars(1320)

[1] "$271.05"

Example of a more useful function

In Brazil, we use the date format dd/mm/yyyy: 21/01/2021.
We can use the function as.Date() to convert the date format, but we need to specify the format of the date.

as.Date("24/11/2023", format = "%d/%m/%Y")

[1] "2023-11-24"

We can create a function to do this for us!

convert_date_br <- function(date){
  as.Date(date, format = "%d/%m/%Y")
}
convert_date_br("14/10/2023")

[1] "2023-10-14"

Let’s purrr!

The purrr package

A toolbox for functional programming
Many of the functions in purrr are alternatives to for loops
Code with purrr is shorter and clearer than for loops
Knowing how to use purrr allows you to use the furrr package: it has the same syntax, but allows you to run code in parallel

Package version

Check if the version installed is >= 1.0.0.

packageVersion("purrr")

[1] '1.0.2'

If not, install the latest version:

install.packages("purrr")

My favorite functions

purrr has many functions!
Many work similarly.
We will focus on some today :)
- purrr::map()
- purrr::map_vec()
- purrr::list_c(), purrr::list_rbind(), purrr::list_cbind()
- purrr::pluck()
Examples on daily tasks!

Let’s start!

library(tidyverse)

`purrr::map()`

purrr::map() is the most important function in purrr
Given an object (can be a vector or a list) we want to apply a function to each element of that object.
It returns a list

# Structure
map(vector_or_list, name_of_the_function)

There are many functions that start with map_*() and have similar behavior

Simple example of `purrr::map()`

# Vector that we want to apply the function
countries_mercosul <- c("Brazil", "Argentina",
                        "Uruguay", "Paraguay")
map(countries_mercosul, str_to_upper)

[[1]]
[1] "BRAZIL"

[[2]]
[1] "ARGENTINA"

[[3]]
[1] "URUGUAY"

[[4]]
[1] "PARAGUAY"

What if I want a vector to be returned?

We can use `purrr::map_vec()`!

map_vec() is a variant of map() that always returns a vector!
It is useful when you want to apply a function to each element of a vector and return a vector.

map_vec(countries_mercosul, str_to_upper)

[1] "BRAZIL"    "ARGENTINA" "URUGUAY"   "PARAGUAY"

We also can use `purrr::list_c()`!

list_c() is a function that takes a list and returns a vector
It is useful to use after map(), and you want to convert the list into a vector

map(countries_mercosul, str_to_upper) |> list_c()

[1] "BRAZIL"    "ARGENTINA" "URUGUAY"   "PARAGUAY"

`purrr::pluck()`

pluck() is a function that extracts a single element from a list
pluck() can be used to extract elements from nested lists. That’s where it shines!
We will use a simple list for the examples:

map(countries_mercosul, str_to_upper)

[[1]]
[1] "BRAZIL"

[[2]]
[1] "ARGENTINA"

[[3]]
[1] "URUGUAY"

[[4]]
[1] "PARAGUAY"

Example of `purrr::pluck()`

map(countries_mercosul, str_to_upper) |> pluck(1)

[1] "BRAZIL"

map(countries_mercosul, str_to_upper) |> pluck(2)

[1] "ARGENTINA"

map(countries_mercosul, str_to_upper) |> pluck(3)

[1] "URUGUAY"

map(countries_mercosul, str_to_upper) |> pluck(4)

[1] "PARAGUAY"

Why we don’t use `[[ ]]` instead?

With pluck():

map(countries_mercosul, str_to_upper) |> pluck(1)

[1] "BRAZIL"

With [[ ]]:

map(countries_mercosul, str_to_upper)[[1]]

[1] "BRAZIL"

Pluck is pipeable! `|>`

With pluck():

map(countries_mercosul, str_to_upper) |>
  pluck(1)

[1] "BRAZIL"

With [[ ]]:

map(countries_mercosul, str_to_upper) |> 
  .[[1]]

Error: function '[[' not supported in RHS call of a pipe

Pluck is safer!

If the element does not exist, it returns NULL instead of an error.
With pluck():

map(countries_mercosul, str_to_upper) |> pluck(5)

NULL

With [[ ]]:

map(countries_mercosul, str_to_upper)[[5]]

Error in map(countries_mercosul, str_to_upper)[[5]]: subscript out of bounds

`list_rbind()`, `list_cbind()`

list_rbind() and list_cbind() are functions that bind lists that contains dataframes (by row or column) and returns a tibble.
Let’s see a real life example!

Example on my daily tasks

I had to pick one to fit in the time we have today!

Example

“I have a folder with multiple files that I want to import. How can I do that?”

Remember: to use map(), we need:
- a vector or a list of the elements that we want to apply the function;
- a function.

Example

If we want to import one file, we can use readxl::read_excel():

library(readxl)
recent_chla <- read_excel("data/ex-1/RelatorioQualidadeAguasSuperficiais_clorofila-a_2018-2022.xlsx")
glimpse(recent_chla)

Rows: 63
Columns: 26
$ `Período DE`              <chr> "01/01/2018", "01/01/2018", "01/01/2018", "0…
$ `Período ATE`             <chr> "16/10/2022", "16/10/2022", "16/10/2022", "1…
$ Cod_Interaguas            <chr> "1386", "1386", "1386", "1386", "1386", "138…
$ `Tipo Rede`               <chr> "Rede Básica", "Rede Básica", "Rede Básica",…
$ UGRHI                     <chr> "06 - ALTO TIÊTE", "06 - ALTO TIÊTE", "06 - …
$ `Código Ponto`            <chr> "BILL02030", "BILL02030", "BILL02030", "BILL…
$ `Status Ponto`            <chr> "Ativo", "Ativo", "Ativo", "Ativo", "Ativo",…
$ `Data Coleta`             <chr> "11/01/2018", "22/05/2018", "26/07/2018", "2…
$ `Hora Coleta`             <chr> "13:44", "13:33", "16:29", "14:12", "10:00",…
$ Parametro                 <chr> "Clorofila-a", "Clorofila-a", "Clorofila-a",…
$ Sinal                     <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ Valor                     <chr> "368,87000000", "47,22000000", "53,46000000"…
$ Unidade                   <chr> "µg/L", "µg/L", "µg/L", "µg/L", "µg/L", "µg/…
$ `Tipo Parâmetro`          <chr> "5- Hidrobiológicos", "5- Hidrobiológicos", …
$ `Sistema Hídrico`         <chr> "Reservatório Billings - BILL", "Reservatóri…
$ `Tipo de Sistema Hídrico` <chr> "Reservatório (Lêntico)", "Reservatório (Lên…
$ CLASSE                    <chr> "Classe 2", "Classe 2", "Classe 2", "Classe …
$ Município                 <chr> "SÃO PAULO", "SÃO PAULO", "SÃO PAULO", "SÃO …
$ UF                        <chr> "SP", "SP", "SP", "SP", "SP", "SP", "SP", "S…
$ `Inicio Operação`         <chr> "01/01/2007", "01/01/2007", "01/01/2007", "0…
$ `Fim Operação`            <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ Latitude                  <chr> "23 43 04", "23 43 04", "23 43 04", "23 43 0…
$ Longitude                 <chr> "46 39 51", "46 39 51", "46 39 51", "46 39 5…
$ Altitude                  <chr> "743", "743", "743", "743", "743", "743", "7…
$ Localização               <chr> "No meio do corpo central, cerca de 1,5 km d…
$ Captação                  <chr> "N", "N", "N", "N", "N", "N", "N", "N", "N",…

Example

But we want to import multiple files!
The function is the same (readxl::read_excel()), but we need to apply it to multiple files.
We need to create a vector with all the file paths!

Example

Let’s start creating the vector of files that we want to import:

files_to_import <-
  list.files(path = "data/ex-1",
             pattern = "*.xlsx",
             full.names = TRUE)
files_to_import

[1] "data/ex-1/RelatorioQualidadeAguasSuperficiais_clorofila-a_2008-2012.xlsx"
[2] "data/ex-1/RelatorioQualidadeAguasSuperficiais_clorofila-a_2013-2017.xlsx"
[3] "data/ex-1/RelatorioQualidadeAguasSuperficiais_clorofila-a_2018-2022.xlsx"
[4] "data/ex-1/RelatorioQualidadeAguasSuperficiais_PT_2008-2012.xlsx"         
[5] "data/ex-1/RelatorioQualidadeAguasSuperficiais_PT_2013-2017.xlsx"         
[6] "data/ex-1/RelatorioQualidadeAguasSuperficiais_PT_2018-2022.xlsx"

Example

Now, we need a function that imports the files: readxl::read_excel():

result_import <- files_to_import |> 
  map(read_excel)

result_import

[[1]]
# A tibble: 102 × 26
   `Período DE` `Período ATE` Cod_Interaguas `Tipo Rede` UGRHI    `Código Ponto`
   <chr>        <chr>         <chr>          <chr>       <chr>    <chr>         
 1 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 2 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 3 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 4 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 5 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 6 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 7 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 8 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 9 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
10 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
# ℹ 92 more rows
# ℹ 20 more variables: `Status Ponto` <chr>, `Data Coleta` <chr>,
#   `Hora Coleta` <chr>, Parametro <chr>, Sinal <lgl>, Valor <chr>,
#   Unidade <chr>, `Tipo Parâmetro` <chr>, `Sistema Hídrico` <chr>,
#   `Tipo de Sistema Hídrico` <chr>, CLASSE <chr>, Município <chr>, UF <chr>,
#   `Inicio Operação` <chr>, `Fim Operação` <lgl>, Latitude <chr>,
#   Longitude <chr>, Altitude <chr>, Localização <chr>, Captação <chr>

[[2]]
# A tibble: 160 × 26
   `Período DE` `Período ATE` Cod_Interaguas `Tipo Rede` UGRHI    `Código Ponto`
   <chr>        <chr>         <chr>          <chr>       <chr>    <chr>         
 1 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 2 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 3 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 4 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 5 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 6 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 7 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 8 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
 9 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
10 01/01/2013   31/12/2017    1386           Rede Básica 06 - AL… BILL02030     
# ℹ 150 more rows
# ℹ 20 more variables: `Status Ponto` <chr>, `Data Coleta` <chr>,
#   `Hora Coleta` <chr>, Parametro <chr>, Sinal <lgl>, Valor <chr>,
#   Unidade <chr>, `Tipo Parâmetro` <chr>, `Sistema Hídrico` <chr>,
#   `Tipo de Sistema Hídrico` <chr>, CLASSE <chr>, Município <chr>, UF <chr>,
#   `Inicio Operação` <chr>, `Fim Operação` <lgl>, Latitude <chr>,
#   Longitude <chr>, Altitude <chr>, Localização <chr>, Captação <chr>

[[3]]
# A tibble: 63 × 26
   `Período DE` `Período ATE` Cod_Interaguas `Tipo Rede` UGRHI    `Código Ponto`
   <chr>        <chr>         <chr>          <chr>       <chr>    <chr>         
 1 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 2 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 3 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 4 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 5 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 6 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 7 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 8 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 9 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
10 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
# ℹ 53 more rows
# ℹ 20 more variables: `Status Ponto` <chr>, `Data Coleta` <chr>,
#   `Hora Coleta` <chr>, Parametro <chr>, Sinal <lgl>, Valor <chr>,
#   Unidade <chr>, `Tipo Parâmetro` <chr>, `Sistema Hídrico` <chr>,
#   `Tipo de Sistema Hídrico` <chr>, CLASSE <chr>, Município <chr>, UF <chr>,
#   `Inicio Operação` <chr>, `Fim Operação` <lgl>, Latitude <chr>,
#   Longitude <chr>, Altitude <chr>, Localização <chr>, Captação <chr>

[[4]]
# A tibble: 120 × 26
   `Período DE` `Período ATE` Cod_Interaguas `Tipo Rede` UGRHI    `Código Ponto`
   <chr>        <chr>         <chr>          <chr>       <chr>    <chr>         
 1 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 2 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 3 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 4 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 5 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 6 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 7 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 8 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
 9 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
10 01/01/2008   31/12/2012    1386           Rede Básica 06 - AL… BILL02030     
# ℹ 110 more rows
# ℹ 20 more variables: `Status Ponto` <chr>, `Data Coleta` <chr>,
#   `Hora Coleta` <chr>, Parametro <chr>, Sinal <chr>, Valor <chr>,
#   Unidade <chr>, `Tipo Parâmetro` <chr>, `Sistema Hídrico` <chr>,
#   `Tipo de Sistema Hídrico` <chr>, CLASSE <chr>, Município <chr>, UF <chr>,
#   `Inicio Operação` <chr>, `Fim Operação` <lgl>, Latitude <chr>,
#   Longitude <chr>, Altitude <chr>, Localização <chr>, Captação <chr>

[[5]]
# A tibble: 141 × 26
   `Período DE` `Período ATE` Cod_Interaguas `Tipo Rede` UGRHI    `Código Ponto`
   <chr>        <chr>         <chr>          <chr>       <chr>    <chr>         
 1 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 2 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 3 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 4 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 5 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 6 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 7 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 8 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
 9 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
10 01/01/2013   31/01/2017    1386           Rede Básica 06 - AL… BILL02030     
# ℹ 131 more rows
# ℹ 20 more variables: `Status Ponto` <chr>, `Data Coleta` <chr>,
#   `Hora Coleta` <chr>, Parametro <chr>, Sinal <chr>, Valor <chr>,
#   Unidade <chr>, `Tipo Parâmetro` <chr>, `Sistema Hídrico` <chr>,
#   `Tipo de Sistema Hídrico` <chr>, CLASSE <chr>, Município <chr>, UF <chr>,
#   `Inicio Operação` <chr>, `Fim Operação` <lgl>, Latitude <chr>,
#   Longitude <chr>, Altitude <chr>, Localização <chr>, Captação <chr>

[[6]]
# A tibble: 78 × 26
   `Período DE` `Período ATE` Cod_Interaguas `Tipo Rede` UGRHI    `Código Ponto`
   <chr>        <chr>         <chr>          <chr>       <chr>    <chr>         
 1 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 2 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 3 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 4 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 5 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 6 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 7 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 8 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
 9 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
10 01/01/2018   16/10/2022    1386           Rede Básica 06 - AL… BILL02030     
# ℹ 68 more rows
# ℹ 20 more variables: `Status Ponto` <chr>, `Data Coleta` <chr>,
#   `Hora Coleta` <chr>, Parametro <chr>, Sinal <chr>, Valor <chr>,
#   Unidade <chr>, `Tipo Parâmetro` <chr>, `Sistema Hídrico` <chr>,
#   `Tipo de Sistema Hídrico` <chr>, CLASSE <chr>, Município <chr>, UF <chr>,
#   `Inicio Operação` <chr>, `Fim Operação` <lgl>, Latitude <chr>,
#   Longitude <chr>, Altitude <chr>, Localização <chr>, Captação <chr>

Example

Remember: map() returns a list!

class(result_import)

[1] "list"

But we want to bind the dataframes by row!

Example

We can use list_rbind():

result_import_df <- files_to_import |> 
  map(read_excel) |> 
  list_rbind()

glimpse(result_import_df)

Rows: 664
Columns: 26
$ `Período DE`              <chr> "01/01/2008", "01/01/2008", "01/01/2008", "0…
$ `Período ATE`             <chr> "31/12/2012", "31/12/2012", "31/12/2012", "3…
$ Cod_Interaguas            <chr> "1386", "1386", "1386", "1386", "1386", "138…
$ `Tipo Rede`               <chr> "Rede Básica", "Rede Básica", "Rede Básica",…
$ UGRHI                     <chr> "06 - ALTO TIÊTE", "06 - ALTO TIÊTE", "06 - …
$ `Código Ponto`            <chr> "BILL02030", "BILL02030", "BILL02030", "BILL…
$ `Status Ponto`            <chr> "Ativo", "Ativo", "Ativo", "Ativo", "Ativo",…
$ `Data Coleta`             <chr> "22/01/2008", "26/03/2008", "14/05/2008", "1…
$ `Hora Coleta`             <chr> "11:20", "11:22", "12:30", "11:50", "11:20",…
$ Parametro                 <chr> "Clorofila-a", "Clorofila-a", "Clorofila-a",…
$ Sinal                     <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ Valor                     <chr> "18,71000000", "28,87000000", "31,19000000",…
$ Unidade                   <chr> "µg/L", "µg/L", "µg/L", "µg/L", "µg/L", "µg/…
$ `Tipo Parâmetro`          <chr> "5- Hidrobiológicos", "5- Hidrobiológicos", …
$ `Sistema Hídrico`         <chr> "Reservatório Billings - BILL", "Reservatóri…
$ `Tipo de Sistema Hídrico` <chr> "Reservatório (Lêntico)", "Reservatório (Lên…
$ CLASSE                    <chr> "Classe 2", "Classe 2", "Classe 2", "Classe …
$ Município                 <chr> "SÃO PAULO", "SÃO PAULO", "SÃO PAULO", "SÃO …
$ UF                        <chr> "SP", "SP", "SP", "SP", "SP", "SP", "SP", "S…
$ `Inicio Operação`         <chr> "01/01/2007", "01/01/2007", "01/01/2007", "0…
$ `Fim Operação`            <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ Latitude                  <chr> "23 43 04", "23 43 04", "23 43 04", "23 43 0…
$ Longitude                 <chr> "46 39 51", "46 39 51", "46 39 51", "46 39 5…
$ Altitude                  <chr> "743", "743", "743", "743", "743", "743", "7…
$ Localização               <chr> "No meio do corpo central, cerca de 1,5 km d…
$ Captação                  <chr> "N", "N", "N", "N", "N", "N", "N", "N", "N",…

Final thoughts

purrr is a very powerful package!
I use it a lot in my daily tasks!
Today, I focused on helping you to understand the basics to start using purrr. But there is other functions that you can learn!

Purrr-fecting your R workflow

Who am I?

Leading the translation of R4DS to Portuguese

Plan for today

Let’s go!

Functional programming in R

Let’s remember: what is a function in R?

Example

We use functions all the time!

Structure of a function

Simple example of how to create a function

Example of a more useful function

Let’s purrr!

The purrr package

Package version

My favorite functions

Let’s start!

purrr::map()

Simple example of purrr::map()

What if I want a vector to be returned?

We can use purrr::map_vec()!

We also can use purrr::list_c()!

purrr::pluck()

Example of purrr::pluck()

Why we don’t use [[ ]] instead?

Pluck is pipeable! |>

Pluck is safer!

list_rbind(), list_cbind()

Example on my daily tasks

Example

Example

Example

Example

Example

Example

Example

Final thoughts

Learn more

`purrr::map()`

Simple example of `purrr::map()`

We can use `purrr::map_vec()`!

We also can use `purrr::list_c()`!

`purrr::pluck()`

Example of `purrr::pluck()`

Why we don’t use `[[ ]]` instead?

Pluck is pipeable! `|>`

`list_rbind()`, `list_cbind()`