首页 文章

使用传递给dplyr :: filter的参数创建一个函数，解决nse的最佳方法是什么？

提问于
浏览 次
8

使用dplyr的动词时，非标准评估非常方便 . 但是当使用带有函数参数的动词时，它可能会有问题 . 例如，让我们说我想创建一个函数，它给出了给定物种的行数 .

# Load packages and prepare data
library(dplyr)
library(lazyeval)
# I prefer lowercase column names
names(iris) <- tolower(names(iris))
# Number of rows for all species
nrow(iris)
# [1] 150

示例不起作用

此函数无法按预期工作，因为 species 在iris数据框的上下文中进行解释，而不是在函数参数的上下文中进行解释：

nrowspecies0 <- function(dtf, species){
    dtf %>%
        filter(species == species) %>%
        nrow()
}
nrowspecies0(iris, species = "versicolor")
# [1] 150

3实施示例

要解决非标准评估问题，我通常会使用下划线附加参数：

nrowspecies1 <- function(dtf, species_){
    dtf %>%
        filter(species == species_) %>%
        nrow()
}

nrowspecies1(iris, species_ = "versicolor")
# [1] 50
# Because of function name completion the argument
# species works too
nrowspecies1(iris, species = "versicolor")
# [1] 50

它并不完全令人满意，因为它将函数参数的名称更改为不太用户友好的名称 . 或者它依赖于自动完成，我担心这不是编程的好习惯 . 为了保持一个好的参数名称，我可以这样做：

nrowspecies2 <- function(dtf, species){
    species_ <- species
    dtf %>%
        filter(species == species_) %>%
        nrow()
}
nrowspecies2(iris, species = "versicolor")
# [1] 50

另一种基于this answer解决非标准评估的方法 . interp() 在函数环境的上下文中解释 species ：

nrowspecies3 <- function(dtf, species){
    dtf %>%
        filter_(interp(~species == with_species, 
                       with_species = species)) %>%
        nrow()
}
nrowspecies3(iris, species = "versicolor")
# [1] 50

考虑到上面的3函数，实现这个过滤函数的首选方法是什么？还有其他方法吗？

r dplyr nse

3 回答

  • 0

    @eddi 的答案是正确的's going on here. I'正在编写另一个答案，解决了如何使用 dplyr 动词编写函数的更大请求 . 你会注意到，最终，它使用像 nrowspecies2 这样的东西来避免 species == species 重言式 .

    要编写一个包含将与NSE一起使用的dplyr动词的函数，请编写两个函数：

    First 使用 lazyeval 和 dplyr 动词的SE版本编写需要引用输入的版本 . 所以在这种情况下， filter_ .

    nrowspecies_robust_ <- function(data, species){ 
  species_ <- lazyeval::as.lazy(species) 
  condition <- ~ species == species_ # *
  tmp <- dplyr::filter_(data, condition) # **
  nrow(tmp)
} 
nrowspecies_robust_(iris, ~versicolor)

    Second 制作使用NSE的版本：

    nrowspecies_robust <- function(data, species) { 
  species <- lazyeval::lazy(species) 
  nrowspecies_robust_(data, species) 
} 
nrowspecies_robust(iris, versicolor)

    ***** =如果你想做一些更复杂的事情，你可能需要在这里使用 lazyeval::interp ，如下面链接的提示

    ****** =另外，如果需要更改输出名称，请参阅 .dots 参数

    回复于
  • 5

    这个问题与非标准评估完全无关 . 让我重写你的初始函数，使其清楚：

    nrowspecies4 <- function(dtf, boo){
    dtf %>%
        filter(boo == boo) %>%
        nrow()
}
nrowspecies4(iris, boo = "versicolor")
#150

    filter 中的表达式总是求值为 TRUE （几乎总是 - 见下面的例子），这是因为某些NSE魔法，所以_1872203不起作用 .

    你的 nrowspecies2 是要走的路 .

    您的 nrowspecies0 中的Fwiw， species 确实被评估为一列，而不是输入变量 species ，您可以通过将 nrowspecies0(iris, NA) 与 nrowspecies4(iris, NA) 进行比较来检查 .

    回复于
  • 3

    in his 2016 UseR talk（@ 38min30s），Hadley Wickham解释了referential transparency的概念 . 使用公式，过滤函数可以重新表述为：

    nrowspecies5 <- function(dtf, formula){
    dtf %>%
        filter_(formula) %>%
        nrow()
}

    这具有更通用的额外好处

    nrowspecies5(iris, ~ species == "versicolor")
# 50
nrowspecies5(iris, ~ sepal.length > 6 & species == "virginica")
# 41
nrowspecies5(iris, ~ sepal.length > 6 & species == "setosa")
# 0
    回复于

相关问题