Hadley Wickham 采访节选（一）

有

关Hadley Wickham

“

采访者：“你平时生活那么邋遢还好意思把自己的包取名 tidy-verse？”

Hadley(羞涩脸)：“那总比别人叫他们 Hadley-verse好吧！” ╮(╯╰)╭

”

Hadley Wickham，一个R圈如雷贯耳的人物，仅仅列举几个他开发的R包你就能知道他的分量了：ggplot2、dplyr、stringr、plyr、purrr、lubridate……如果作为R的使用者你说自己与Hadley无关，那几乎只有一种原因——你用着他写的包却不自知。

目前，出生于新西兰的Hadley是RStudio的首席科学家，也是奥克兰大学统计系的客座教授。也许很多人想象的Hadley会是一副秃顶老教授的模样，但现实生活中的Hadley却是潮的要命——你看到过打着两个耳钉的统计系教授吗？不信？见下图。

有

关采访者与采访内容

这段采访来自于DataCamp.com，采访者是Charlotte Wickham。等等——你是不是在开脑洞了？话说一开始听到采访者的这个名字我也以为是Hadley的老婆，没想到竟然是她的姐姐，而她的姐姐竟然也在大学里面担任统计系的教授！（为什么我突然想到了谢耳朵……）Charlotte在DataCamp.com上了一门教大家如何使用stringr包的课程（讲得很好，强烈推荐），而在这门课的最后，Charlotte自然近水楼台先得月，对stringr包的作者，也即自己弟弟的Hadley做了一番采访。

不同于Hadley在Youtube上的那些受访或演讲视频，由于采访者是自己的姐姐，Hadley特别放松，所以我们可以听到很多正式场合听不到的趣事。采访的内容不仅包括stringr包的开发趣事，还包括Hadley自述学习编程知识的经历、对于tidyverse的想法、还有对Python等语言的观点等。对于广大R爱好者来说，绝对是好奇心的一番巨大满足。

下面就是采访视频的截图：

关

于视频听译

虽然钱钟书先生说过“你吃了一个鸡蛋很好吃，为什么要认识生蛋的鸡呢？但是对于带着数不清的光环的Hadley ，我们很难压抑自己的好奇，“究竟是什么样的人可以开发出那么多著名的R包？”毕竟对于很多人而言，开发出其中的一个就可以在R圈扬名立万了。这种好奇也是驱使大猫观看并和大家分享的动力。

需要说明的是，视频全程没有任何中英文字幕，所以大猫只能用写博士论文的业余时间听译出来，速度虽然可能不够快，但是会尽量保证质量。

采

访节选：有关stringr

“

我们刚刚结束了stringr的教程，就让我们从这儿开始吧！你当时是怎么想着要去开发stringr的呢？

”

说起来也有趣，stringr是我教学中的副产品。当时我正在莱斯大学教统计系的课程，其中涉及到操作字符串(string manipulation)。我第一次上这门课的时候简直是噩梦——你需要记忆R中各种毫无规律的字符串函数名称，例如grep, grepl, regexpr, gregexpr……后来我有一次在洛杉矶旅行的时候突然有了个主意：为什么我不写个包把所有base R中的字符串函数打包呢？说干就干，我花了大概四个小时（！）写了这个包，把base R中的正则表达式函数全都用统一的名称给命名了一遍，它也就成了stringr的基础。很自然的，在第二次上这门课的时候，我就使用stringr教学生了。

“

你和stringi包的作者Marek Gagolewski （老毛子啊）之间处的怎么样？合作？还是竞争？（不怀好意脸）

”

（大笑）我想应该是合作吧。stringi是一个原创的包，包含了很多非常棒的C库（速度快），而stringr最初只是对于base R函数的一个打包。不过，（也许是看到stringr的统一命名法真的很有效）stringi复制了stringr的API。于是我想，为什么我不直接用stringr去打包（wrap）stringi呢？这样就可以避免两者在相同函数上的不同实现（implementation），大大方便广大使用者。所以显然，两者是合作的关系。

但毕竟两者还是有所不同的，stringr打包的是常用的字符串函数，没有stringi那么大而全。换句话说，如果你学会了stringr，那么你学stringi就很快了。

“

哈哈哈这个很重要，我们在以后上课的时候需要和学生讲清楚。

”

采

访节选：有关 stringr 和 tidyverse

“

我们都知道你的“tidyverse”工具库（Hadley开发的数据清洗工具库，包含了dplyr，stringr，ggplot2等很多著名的包）非常有名。你说stringr是其中的重要一环，应该怎么理解？

”

简而言之，这意味着stringr有着和tidyverse中其它包一样的开发规范（conventions）。你在使用其它tidyverse包的过程中也许已经接触了这些规范。我推崇这些规范，是因为他们真的在你的工作中起作用。就stringr而言，我认为以下两种这样的“规范”是最值得一提的。

首先是那个不可或缺的“下划线”——stringr所有函数都用有“str_”这个前缀。这样一来，你一眼就能看出哪些函数操作的是字符串，以及它们的目的。这在你的代码很多时尤其有用。

其次是“对象类型的一致性”（consistency of object type）。每个stringr函数全都把输入字符串作为“第一个”变量，而且返回特定类型的结果。我的哲学是：每个stringr都只做“一小件事”，如果要完成复杂的字符串处理，那么就把这些函数组合起来（大猫：这个思想在dplyr中甚至在SQL数据库中有着充分体现，好处能够让编程的学习更加容易，然而很不幸，同样是因为这个原因，导致dplyr的性能不如data.table，以后大猫会详述）。

stringr的开发远远早于pipe 符号（%>%），但是由于我坚持了“对象类型一致性”（把字符串永远放在第一个变量），stirngr和pipe符号可以完美结合。

大猫注：对象类型一致性不仅仅指“把重要变量永远放到第一个参数”，更多时候指“一个函数只可能返回一种类型的结果”。例如base R中的sapply就不是对象类型一致的，因为sapply会首先尝试返回一个向量，如果实在无法coerce成向量，那么就返回一个list；而 tidyver 库中有个叫做purrr的包，他有个函数叫 map_dbl，和sapply很像，区别就是map_dbl永远只返回double类型，如果结果不是double就报错，因此，map_dbl是“对象一致”的。“对象不一致的函数”在编程中往往特别“危险”，是个大坑，尤其特别需要提醒的是，base包的data.frame是对象不一致的，因为对他进行select操作，可能返回data.frame，也可能返回向量！对于程序员来说，这是无法忍受的。

采

访节选：tidy-verse or Hadley-verse？

“

tidyverse这个名字究竟是怎么来的？你一开始就有野心想要开发这样一个完整的数据挖掘工具库吗？还是这是个水到渠成的事？

（大猫：在英语中，verse有融会贯通、技艺高超的意思）

”

啊……额……哈哈哈哈我绝逼不可能事先有这么大的野心的啊！你知道他们一开始是怎么统称我开发的这些工具的吗？Hadley-verse！（羞涩脸）我可不希望让别人以为我是一个目中无人的人，所以我想最好的办法还是自己给这一整套R包生态系统取个名字。我考虑许多候选，tidy-verse就是其中之一。“tidy”这个词给人一种能够轻松高效处理数据的感觉，比较符合我的设计哲学。哎呀不管怎么样，取啥名字都比叫 Hadley-verse 要好！

“

你不觉得“tidy”这个词太讽刺了吗？因为现实生活中你并没有那么tidy啊！（采访者一副滑稽脸，满满姐姐嘲讽弟弟的既视感 Orz）

”

这个……啊哈哈哈哈你知道我的电脑永远是很tidy的嘛！

（未完待续）

下

期预告

下期是继续这次的采访节选？还是继续上上回的“R与编码”专题？嗯……看心情 ╮(╯╰)╭