R Academy · 강의

reduce(), accumulate(), walk()

목록을 접고 누적 결과를 만들며 walk()로 부수 효과를 적용합니다.

레슨 3/413개 단계

reduce(), accumulate(), walk()은(는) CoddyKit의 무료 R Academy 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 R Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. R Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

map()을 넘어 — 기타 purrr 동사

map()은 각 요소에 독립적으로 함수를 적용하지만, 어떤 작업에는 요소를 결합하거나(reduce), 중간 결과를 누적하거나, 순전히 부수 효과를 위해 함수를 적용하는 작업(walk)이 필요합니다. purrr는 각 경우에 맞는 전용 함수를 제공합니다.

library(purrr)

# Example: combining a list of numbers into a single value
nums <- list(1, 2, 3, 4, 5)

# We want: 1 + 2 + 3 + 4 + 5 = 15
# map() can't do this — it returns 5 separate results
# reduce() folds the list into one value
result <- reduce(nums, `+`)
cat('Sum via reduce:', result)

reduce() — 목록을 하나의 값으로 접기

reduce(.x, .f, .init)는 .x의 요소에 왼쪽에서 오른쪽 순서로 .f를 누적 적용하여 목록을 하나의 값으로 줄입니다. reduce(list(a,b,c), f)는 f(f(a,b),c)를 계산합니다.

library(purrr)

# reduce with max: find the overall maximum
values <- list(42, 17, 89, 55, 23)
result <- reduce(values, max)
cat('Maximum:', result, '\n')

# reduce with paste: concatenate strings
words <- list('The', 'quick', 'brown', 'fox')
reduce(words, paste)

.init과 함께 reduce() 사용하기

.init 인수는 시작값을 제공합니다. 첫 번째 호출은 f(.init, x[1])이 됩니다. 목록이 비어 있을 수 있어 .init으로 축약해야 하는 경우나 특정 시작 상태가 필요한 경우에 필수적입니다.

library(purrr)

# Running count of elements matching a condition
data <- list(5, 12, 3, 18, 7, 15, 2)

# Count values greater than 10, starting from 0
reduce(data, function(count, x) count + (x > 10), .init = 0L)

# Also useful for string building:
reduce(c('A','B','C'), paste, sep='-', .init='START')

데이터 프레임과 함께 reduce() 사용하기 — 조인 연결

reduce()의 가장 강력한 활용 중 하나는 데이터 프레임 목록을 조인하는 것입니다. left_join(left_join(df1, df2), df3)를 작성하는 대신 reduce(list_of_dfs, left_join, by='key')를 사용하십시오.

library(purrr)
library(dplyr)

base_df <- data.frame(id=1:3, name=c('Alice','Bob','Carol'))
scores <- data.frame(id=1:3, score=c(85,90,78))
grades <- data.frame(id=1:3, grade=c('B','A','C'))
city <- data.frame(id=1:3, city=c('NYC','LA','Chicago'))

dfs <- list(base_df, scores, grades, city)

reduce(dfs, left_join, by='id')

accumulate() — 중간 결과 유지하기

accumulate(.x, .f)는 reduce()와 비슷하지만 모든 중간 값을 유지합니다. 입력과 길이가 같은 벡터(또는 목록)를 반환하며 각 단계가 끝난 후의 누적 결과를 보여 줍니다.

library(purrr)

# Running sum — same as cumsum() but via accumulate
values <- c(100, 120, 95, 140, 160)
accumulate(values, `+`)

# Running maximum
accumulate(c(50, 52, 48, 55, 53, 58), max)

단계별 결과에 accumulate() 사용하기

accumulate()는 알고리즘의 단계를 추적하거나, 문자열을 문자 단위로 만들거나, 최종 결과뿐 아니라 모든 중간 상태를 확인하려는 모든 과정에 특히 유용합니다.

library(purrr)

# Compound interest step by step
principal <- 1000
rates <- c(0.05, 0.05, 0.05, 0.05, 0.05)  # 5% per year

accumulate(rates, function(balance, rate) {
  round(balance * (1 + rate), 2)
}, .init = principal)

walk() — 반환값 없이 부수 효과 적용하기

walk(.x, .f)는 순전히 부수 효과(출력, 파일 쓰기, 메시지 전송)를 위해 .x의 각 요소에 .f를 적용합니다. .x를 보이지 않게 반환하므로 파이프라인에서 연결을 끊지 않고 사용할 수 있습니다.

library(purrr)

# Print a summary for each dataset
datasets <- list(
  mtcars = mtcars[,1:3],
  iris = iris[,1:3]
)

walk(datasets, function(df) {
  cat('Rows:', nrow(df), '| Cols:', ncol(df),
      '| NAs:', sum(is.na(df)), '\n')
})

파이프라인에서 walk() 사용하기

walk()는 .x를 보이지 않게 반환하므로 dplyr 파이프라인에 삽입하여 흐름을 끊지 않고 중간 결과를 기록하거나 출력할 수 있습니다. 디버깅 또는 기록을 위한 중간 지점이라고 생각하면 됩니다.

library(purrr)
library(dplyr)

results <- list(
  East = data.frame(rep=c('A','B'), sales=c(100,120)),
  West = data.frame(rep=c('C','D'), sales=c(200,190))
)

# Log each region's data, then continue processing
region_totals <- results %>%
  walk(~cat('Processing:', nrow(.x), 'rows\n')) %>%
  map_dbl(~sum(.x$sales))

print(region_totals)

walk2() — 두 입력에 부수 효과 적용하기

walk2(.x, .y, .f)는 walk()의 두 입력 버전입니다. 대표적인 사용 사례는 여러 데이터 프레임을 파일에 쓰는 것으로, .x는 데이터 프레임 목록이고 .y는 파일 경로 목록입니다.

library(purrr)

data_list <- list(
  east = data.frame(x=1:3, y=4:6),
  west = data.frame(x=7:9, y=10:12)
)

file_paths <- list(
  '/tmp/east_data.csv',
  '/tmp/west_data.csv'
)

# Write each data frame to its corresponding path
walk2(data_list, file_paths, function(df, path) {
  write.csv(df, path, row.names=FALSE)
  cat('Written:', path, '\n')
})

iwalk() — 인덱스와 함께 순회하기

iwalk(.x, .f)는 walk()와 비슷하지만 요소 이름(또는 인덱스)을 두 번째 인수 .y로 전달합니다. 부수 효과를 적용하는 요소가 무엇인지 알아야 할 때 편리합니다.

library(purrr)

region_counts <- list(East=150, West=200, North=85, South=120)

# Print each region with its rank
iwalk(region_counts, function(count, name) {
  cat(name, ':', count, 'customers\n')
})

reduce_right() — 오른쪽에서 왼쪽으로 축약하기

reduce(.x, .f, .dir='backward')(또는 더 이상 사용되지 않는 reduce_right())는 오른쪽에서 왼쪽으로 함수를 적용합니다: f(a, f(b, f(c, d))). 뺄셈이나 문자열 만들기처럼 교환법칙이 성립하지 않는 연산에서 중요합니다.

library(purrr)

words <- c('fox','brown','quick','The')

# Left-to-right: 'The quick brown fox'
reduce(rev(words), paste)

# Right-to-left: same effect but starting from right
reduce(words, function(a, b) paste(b, a))

빠른 확인

map() 대신 walk()을 사용하는 경우는 언제입니까?

인터랙티브 레슨에서 답해보세요

복습: reduce, accumulate, walk

reduce, accumulate, walk의 핵심 내용:

reduce(.x, .f) — 목록을 하나의 값으로 왼쪽에서 오른쪽으로 접으며, .init이 시작값을 설정합니다
reduce(list_of_dfs, left_join) — 조인을 연결하는 강력한 패턴입니다
accumulate(.x, .f) — reduce와 비슷하지만 모든 중간 결과를 반환합니다
walk(.x, .f) — 부수 효과를 위해 적용하며(출력, 쓰기, 기록), .x를 반환합니다
walk2(.x, .y, .f) — 두 입력을 사용하는 walk입니다(예: 데이터 프레임 + 파일 경로)
iwalk(.x, .f) — 요소 이름을 두 번째 인수로 사용하는 walk입니다

library(purrr)
library(dplyr)

# reduce() joins a list of data frames, accumulate() shows interim states
monthly_sums <- c(100, 120, 95, 140, 160, 130)

cat('reduce (total):      ', reduce(monthly_sums, `+`), '\n')
cat('accumulate (running):', accumulate(monthly_sums, `+`), '\n')

# walk() for side-effect logging
results <- list(a=42, b=17, c=89)
walk(results, ~cat('Value:', .x, '\n'))

무료로 시작

AI 튜터와 함께 R을(를) 배우세요 — 무료

브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.

코스: 43
레슨: 159

무료로 학습 시작 전체 코스 보기

자주 묻는 질문

“reduce(), accumulate(), walk()” 강의는 무료인가요?

네 — “reduce(), accumulate(), walk()” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 R Academy 강의 전체를 잠금 해제할 수 있습니다. R Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“reduce(), accumulate(), walk()”에서 뭘 배우나요?

목록을 접고 누적 결과를 만들며 walk()로 부수 효과를 적용합니다. 브라우저에서 직접 실행하는 실습 코드로 R Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

R Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 R Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.

“reduce(), accumulate(), walk()” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 R Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 R Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← R Academy(으)로 돌아가기