Ща забацаю

гайз, кто-нибудь в R в гугл-колабе работал? как там обстоит дело с сохранением табличек?

*в неинтерактивном режиме

ckufr - https://github.com/gdemin/ckufr Устанавливать через devtools::install_github("gdemin/ckufr")

огонь

забавно, что при вот такоем вызове функции он также отпарвляет в поиск %)
> ckufr::fuck
Searching the error 'no function 'fuck' is visible'...

Загадка... наверное, перемудрил с автопринтом, чтобы скобочки не печатать...

все равно странно. в неймспейсе есть, экспортируются  и вызываются

да пофиг, и так хорошо :)

fuck_this_shit: удаляет все проекты и репозитории, отправляет всем контактам в Outlook сообщение о том, что они мудаки, откликается на все вакансии, содержащие слова из резюме.

А что же будет с --force

как-то неконсистентно... про резюме и вакансии надо в отдельную функцию

1. Текущий pipe не имеет отношения к tidyverse, это сам по себе отдельный пакет magrittr
2. Есть и другие пайпы, см, например, https://win-vector.com/tag/bizarro-pipe/ или data.table
3. Про другие блага -- многие ли используют пайпы %$%, %T>%, %>% {} ?
4. Код новичков часто подлежит полному рефакторингу. И как он там писал --- совершенно неважно. Фундамент неправильно кладут.

Ничего никуда не денется. Базис тянется от S+.

В data.table, это вы про такой pipe?

Ну да

уважаемые, кто работает с googlesheets4
скажите пожалуйста, если я хочу неинтерактивный доступ и авторизацию, то мне надо создавать технический серверный аккаунт в проекте, и его креды использовать, верно?
но, если я все правильно понял, спредшиты, которые я с его помощью создаю, я даже толком посмотреть не смогу, кроме как костылями типа gs4_browse.

кажется, в таком случае проще создать где-то у себя папку, дать к ней доступ этому серверному акку и уже таким образом работать. что думаете?

Запрос немного странный. Тем не менее, покажу вариант решения.

# Шаг 1. Генерируем датасет, на каждого пользователя ~ по 10 записей

# Займ -- положительное значение, погашение -- отрицательное
total_users <- 100

events_dt <- tibble(
  date = sample(
    seq.Date(as.Date("2021-01-01"), as.Date("2021-04-30"), by = "1 day"),
    total_users * 10,
    replace = TRUE)
  ) %>%
  # сделаем суммы кратными 50 р.
  mutate(amount = (runif(n(), -2000, 1000)) %/% 50 * 50) %>%
  # нашпигуем идентификаторами пользователей
  mutate(user_id = sample(!!total_users, n(), replace = TRUE)) %>%
  setDT(key = "date") %>%
  # первая запись должна быть займом
  .[.[, .I[1L], by = user_id]$V1, amount := abs(amount)] %>%
  # для простоты оставим только одну операцию в день, 
  # иначе нельзя порядок определить и гранулярность до секунд надо спускать
  # либо вводить порядковый номер займа и погашения
  unique(by = c("user_id", "date"))

# Шаг 2. Расчитываем даты погашения каждого займа

# инициализируем аккумулятор
accu_dt <- events_dt[amount < 0, .(accu = cumsum(amount), date), by = user_id]

ff <- function(dt){
  # на вход получаем матрицу пользователей и их платежей на заданную дату
  # затягиваем суммы займов
  accu_dt[dt, amount := i.amount, on = "user_id"]
  accu_dt[is.na(amount) == FALSE, accu := accu + amount][accu > 0, accu := NA, by = user_id]
  
  calc_dt <- accu_dt[!is.na(accu), head(date, 1), by = user_id]

  # нанизываем обратно на входной data.frame, сохраняя порядок следования
  calc_dt[dt, on = "user_id"]$V1
}

repay_dt <- events_dt[amount > 0] %>%
  .[, repayment_date := ff(.SD), by = date] %>%
  .[order(user_id, date)]

# Шаг 3. Считаем динамику задолженности по периоду

calcDebt <- function(report_date){
  as_tibble(repay_dt) %>%
    # выкидываем все, что уже погашено на дату отчета
    filter(is.na(repayment_date) | repayment_date > !! report_date) %>%
    mutate(delay = as.numeric(!!report_date - date)) %>%
    # размечаем просрочки
    mutate(tag = santoku::chop(delay, breaks = c(0, 31, 61, 90),
                               labels = c("< 0", "0-30", "31-60", "61-90", "90+"),
                               extend = TRUE, drop = FALSE)) %>%
    # делаем сводку
    group_by(tag) %>%
    summarise(amount = sum(amount)) %>%
    mutate_at("tag", as.character)
}

# Устанавливаем окно наблюдения
df <- seq.Date(as.Date("2021-04-01"), as.Date("2021-04-30"), by = "1 day") %>%
  tibble(date = ., tbl = purrr::map(., calcDebt)) %>%
  unnest(tbl)

# строим график
gp <- ggplot(df, aes(date, amount, colour = tag)) +
  geom_point(alpha = 0.5, size = 3) +
  geom_line() +
  ggthemes::scale_colour_tableau("Tableau 10") +
  theme_minimal()

gp

Получаем такую картинку

Филипп, не понял, в чем проблема. Нужно читать файл с гугла?
https://googlesheets4.tidyverse.org/
https://gargle.r-lib.org/index.html