使用TidyVerse有什么缺点吗？[副本]

Question

对于任何与用R处理数据相关的东西，我最近一直认为tidyverse被推荐为几乎是必不可少的。这就提出了一个问题--如果这就是它被大肆宣传的那样，还有什么理由不使用它吗？例如，tidyverse中的框架是否有任何值得提及的限制性？

Answer 1

第一个缺点：稳定性

一个缺点是，TidyVerse函数的变化比baseR更快。因此，如果您希望长期稳定，我会选择baseR。也就是说，TidyVerse开发人员对他们不同的方法持开放态度。参见欢迎来到Tidyverse小插曲：

baseR和tidyverse之间最大的区别在于优先级：base R高度关注稳定性，而tidyverse将在寻找更好的接口方面做出突破性的改变。

第二个缺点：灵活性

整洁的数据概念很好，但在转换后具有与以前相同的行号（请参见mutate）并不总是可能的。参见例如

library(tidyverse)
data.frame(matrix(rnorm(1000), ncol= 10)) %>%
mutate_all(function(i) density(i)$x)

因为行号更改而导致错误。有时我会遇到这样的情况，mutate抱怨行号不一样。它类似于summarise每列只需要一个长度，例如，range不是这样。当然，有一些变通办法，但我更喜欢这里的基数R

apply(data.frame(matrix(rnorm(1000), ncol= 10)), 2, function(i) density(i)$x)

df[df$age > 90, ] <- NA

df %>% select(x, y, age) %>% mutate_all(~replace(.x, age> 90, NA))
# or
df %>% mutate_all(function(i) replace(i, .$age> 90, NA))

这个问题作为一个重复的问题被关闭，并链接到另一个关于tidyverse vs.data.table的问题。在我看来，如果有人询问tidyverse（或任何其他包）的缺点，这并不意味着该人要求与data.table包进行比较。相反，通过将tidyverse与关联题中没有做的R base进行比较，可以更明显地看出tidyverse的缺点，例如，该题不是重复题。