4．1函数的管道

在这个包中，许多示例都大量使用了管道操作符% > %从magrittr．这对于编写更容易调试的更清晰的代码非常有用。

#以下两个语句是等价的f (x) x % > % f() #这些f (x, y) x % > % f (y) #这些h (g (f (x))) x % > % f () % > % g () % > % h() #或这些h (g (f (x), b), c) x % > % f () % > % g (b) % > % h (c)

在上一个例子中，我们可以看到，当许多函数组合在一起时，管道形式从左到右读取，并且很清楚哪个参数属于哪个函数，而在嵌套形式中，则更难清楚地识别正在发生什么。一般情况下，将数据输送到函数中，并将数据作为第一个参数调用该函数，可以实现更复杂的行为，并在magrittrweb页面。

4.2映射或列表应用

R中的列表是任意对象集合的容器。在这个包中，我们鼓励用户将列表用作一系列相同类型对象的容器，就像使用向量来存储向量不能包含的数据类型一样。例如，我们将数据集存储在singlecel实验对象的列表中，并将分析方法存储在函数的列表中，这些数据类型将不会在vector中被接受。

要使用我们鼓励使用的列表拉普兰人或purrr:地图，这些函数允许将函数应用于列表的每个元素，并在列表中返回结果。

x < -列表(a = 1, b = 2, c = 3)拉普兰人(x,√6)# > $ # > [1]1 # > # > $ b # > [1] c# 1.414214 # > # > > 1.732051 [1]

4.３数据集列表

基准测试工作流从一个数据集列表开始，即使你只有一个数据集，你也需要将它存储在一个列表中，以便工作流运行。在我们的示例中，数据集是10X单元混合数据集的示例。

sample_10x < - readRDS (cellbench_file(“10 x_sce_sample.rds”))#即使我们需要构建一个单一数据集列表数据集< - (sample_10x = sample_10x) #我们可以添加更多的数据集管道通过添加到列表中#这里我们有两个数据集的基因是随机抽样10 x #示例数据集< -列表(subsample1_10x = sample_genes (sample_10x, n = 1000), subsample2_10x = sample_genes (sample_10x,N = 1000)) #可以是任何其他类型的对象，只要它们是一致的数据集<- list(set1 =矩阵(rnorm(500, mean = 2, sd = 1)， ncol = 5, nrow = 10)， set2 =矩阵(rnorm(500, mean = 2, sd = 1)， ncol = 5, nrow = 10))

任何类型的对象都可以存储在列表中，因此在基准测试工作流可以使用哪种起点方面有很大的灵活性。

4.4函数列表

在R中，函数本身是一种类型的对象，所以它们也可以存储在列表中，这在普通R中很少使用，但这允许非常简单的添加方法。

# counts是一个可以与counts(x)一起运行的函数，这里它被命名为# "none"，因为它表示缺少归一化norm_method <- list(none = counts, cpm = function(x) t(t(1e6 * counts(x)) / colsum (counts(x)))) # "identity"是一个有用的函数，简单地返回其输入#它允许比较应用和不应用方法转换<- list(none = identity, log2 = function(x) log2(x+1)))

需要注意的关键是，函数必须是可调用的，并且只有一个参数。这可能意味着您需要编写一个包装器函数或使用purrr:部分()填充一些论点。比如两者的意思是而且sd有na.rm参数，因为列表的元素本身必须是一个函数，简单地写成意味着(na。rm = TRUE)将不起作用，因为它是一个不完整的函数调用。相反，我们有两个主要选择:

#使用匿名函数包装器metric <- list(mean = function(x) {mean(x, na。rm = TRUE)}， sd =函数(x) {sd(x, na。rm = TRUE)} ) # using purrr partial function partial <- purrr::partial # explicit namespacing to avoid ambiguity metric <- list( mean = partial(mean, na.rm = TRUE), sd = partial(sd, na.rm = TRUE) ) # example use with kmeans clustering <- list( kmeans_4 = partial(kmeans, centers = 4), kmeans_5 = partial(kmeans, centers = 5), kmeans_6 = partial(kmeans, centers = 6) )

purrr:部分()被称为函数的部分应用:它接受一个函数和该函数的参数，然后返回一个新函数，该函数是填充了所提供参数的函数。这比创建函数包装器稍微显式一些，因为函数包装器可以在其主体内执行更多的任务，而不仅仅是设置参数purrr:部分()清楚地表明你所做的只是设置一些参数。

4．5基准测试tibble和列表列

的benchmark_tbl是一个非常轻的包装周围的标准tibble提供宠物猫:宠物猫()．这是常规的data.frame ()除了它有一些漂亮的打印功能特别有用list-columns．列表列是一种特殊类型的列，其中的值不是原子的，即不能存储在向量中。这允许将任意数据类型存储在列中，但需要注意的是，提取该列将返回一个列表而不是一个向量。这意味着如何使用dplyr动词和一般情况下不会与向量化函数表现出预期的行为。

在这个包建立的框架中，第一列是数据的名称，后面是指定分析步骤名称的列，最后是包含指定数据集经过分析方法链处理后的结果的list-column。

类(res2) #> [1] "benchmark_tbl" "tbl_df" "tbl" "data.frame"

因为它们是小猫咪，所以反应很好dplyr动词，或者最规则的data.frame操作。

res2 %>% dplyr::filter(norm_method == "cpm") #> # A tibble: 2 × 4 #> data norm_method transform result #> #> 1 sample_10x cpm none  #> 2 sample_10x cpm log2 

4.6应用方法

将CellBench框架联系在一起的最后一个思想是apply_methods ()函数，取abenchmark_tbl并应用列表的功能。结果是，通过每个方法处理每一行，添加一个指定应用方法的新列，并将结果更新为新值。

# datasets datasets <- list(sample_10x = readRDS(cellbench_file("10x_sce_sample.rds"))) #管道中的第一套方法norm_method <- list(none = counts, cpm = function(x) t(t(1e6 * counts(x))) / colsum (counts(x)))) #管道转换中的第二套方法<- list(none = identity, log2 = function(x) log2(x+1)) datasets %>% apply_methods(norm_method) #> #一个tibble:2 x 3 #> data norm_method result #>    #> 1 sample_10x none  #> 2 sample_10x CPM 

apply_methods获取保存方法列表的变量的名称，并将其用作这些方法的列名，而列表中的方法名称则用作该列中的值。的数据列将存储数据集列表中名称的名称，但不继承持有数据集列表的变量的名称。

这种方式apply_methods写入意味着您可以简单地通过方法管道传输数据，而不保存任何中间结果。

datasets %>% apply_methods(norm_method) %>% apply_methods(transform) #> # A tibble: 4 × 4 #> data norm_method transform result #>     #> 1 sample_10x none none  #> 2 sample_10x none log2  #> #> 4 sample_10x cpm log2 

5.1多线程

方法的应用可以并行完成，这是通过设置CellBench使用的全局线程来完成的。如果应用的方法有自己的内部并行性，则此选项可能会导致冲突。如果有任何方法具有内部并行性，那么建议将CellBench设置为单线程模式。

谨慎:使用CellBench的多线程使用的内存比预期的要多得多，每个线程可以潜在地对环境中的所有数据进行完整的复制。在处理内存密集型任务时要注意这一点。

set_cellbench_threads(4)

5.2函数返回缓存

CellBench可以使用memoise缓存函数结果，以便调用具有相同参数的函数时，只需从本地缓存加载结果，而不是重复计算。由于CellBench调用函数的非典型方式(作为列表的成员)，使用memoise在内存中缓存似乎不起作用，因此有必要在磁盘上缓存。

要在CellBench中使用函数返回值缓存，我们首先声明一个文件夹来存储我们的返回值，然后用它们的缓存版本替换常规方法。

请注意:缓存具有伪随机行为的方法意味着将从缓存中检索相同的结果，否定该方法的伪随机属性。这通常是不可取的。

谨慎:在多线程中使用缓存时要小心，如果一个函数的多个实例使用完全相同的参数运行，那么这些实例将试图同时写入缓存并破坏缓存。

谨慎:由于检索缓存结果只考虑函数调用签名和输入值，如果底层函数体被改变，那么CellBench将检索过时的结果。

谨慎:由于每个结果都保存到磁盘，因此要小心产生大量输出并需要在许多不同输入上运行的缓存函数。

set_cellbench_cache_path(".CellBenchCache") methods <- list(method1 = cache_method(method1)， method2 = cache_method(method2))

函数缓存可以使用clear_cellbench_cache ()．只有当缓存在清除缓存的同一会话中设置时，这才有效。否则，需要手动查找并删除缓存文件夹。

#清除同一会话中set_cellbench_cache_path()设置的缓存

5.3构造具有参数范围的函数

CellBench提供了一个辅助函数fn_arg_seq要创建具有不同参数值的函数列表，以便于搜索参数空间。

它以一个函数作为第一个参数，然后是参数值的向量和函数使用的参数的名称。返回一个函数列表，并使用vector中的每个值填充指定的参数。如果给出了多个参数向量，则每个参数值组合返回一个函数向量。

#是三个参数的函数f < - (x, y, z)函数{x + y + z} # f_list是一个列表的函数有两个参数预先填写f_list < - fn_arg_seq (f, y = 1:2, z = 3:4) f_list # > # 4部分功能列表> $ f (y = 1, z = 3) # > $ f (y = 2, z = 3) # > $ f (y = 1, z = 4) # > $ f (y = 2, z = 4)

名字(f_list)[1] # >[1]“f”(y = 1, z = 3) g < - f_list [[1]] g(10) # > 14名(f_list)[1][2] # >[1]“f”(y = 2, z = 3) h < - f_list h (20) # [[2]] > [1] 25