Question

我想使用在变量中定义的字段来过滤数据帧，以选择也在变量中的值。说我有

df <- data.frame(V=c(6, 1, 5, 3, 2), Unhappy=c("N", "Y", "Y", "Y", "N"))
fld <- "Unhappy"
sval <- "Y"

我想要的值是df[df$Unhappy == "Y", ]。

我已阅读nse小插图以尝试使用filter_，但无法理解。我试过了

df %>% filter_(.dots = ~ fld == sval)

没有返回任何内容。

我得到了我想要的东西

df %>% filter_(.dots = ~ Unhappy == sval)

但显然这违背了使用变量来存储字段名称的目的。请问有什么线索吗？最后，我想使用此fld是字段名称的向量，sval是fld中每个字段的过滤值向量。

Answer 1

您可以尝试使用interp

中的lazyeval

 library(lazyeval)
 library(dplyr)
 df %>%
     filter_(interp(~v==sval, v=as.name(fld)))
 #   V Unhappy
 #1 1       Y
 #2 5       Y
 #3 3       Y

对于多个键/值对，我发现这是有效的，但我认为应该有更好的方法。

  df1 %>% 
    filter_(interp(~v==sval1[1] & y ==sval1[2], 
           .values=list(v=as.name(fld1[1]), y= as.name(fld1[2]))))
 #  V Unhappy Col2
 #1 1       Y    B
 #2 5       Y    B

对于这些情况，我发现base R选项更容易。例如，如果我们根据'fld1'中的'key'变量尝试filter行以及'sval1'中的相应值，则一个选项正在使用Map。我们对数据集（df1[fld1]）进行了子集，并将FUN（==）应用于df1[f1d1]的每一列，并在'sval1'中使用相应的值，并将&与{{1}一起使用获取一个逻辑向量，可以用来Reduce'df1'的行。

filter

数据

 df1[Reduce(`&`, Map(`==`, df1[fld1],sval1)),]
 #   V Unhappy Col2
 # 2 1       Y    B
  #3 5       Y    B

Answer 2

使用dplyr 0.6.0及更高版本，此代码有效：

packageVersion("dplyr")
# [1] ‘0.7.1’

df <- data.frame(V=c(6, 1, 5, 3, 2), Unhappy=c("N", "Y", "Y", "Y", "N"))
fld <- "Unhappy"
sval <- "Y"

df %>% filter(UQ(rlang::sym(fld))==sval)

#OR
df %>% filter((!!rlang::sym(fld))==sval)

#OR
fld <- quo(Unhappy)
sval <- "Y"
df %>% filter(UQ(fld)==sval)

有关http://dplyr.tidyverse.org/articles/programming.html提供的dplyr语法以及rlang包https://cran.r-project.org/web/packages/rlang/index.html中的quosure用法的更多信息。

如果您发现难以掌握dplyr 0.6+中的非标准评估，Alex Hayes就该主题进行了精彩的撰写：https://www.alexpghayes.com/blog/gentle-tidy-eval-with-examples/

原始答案

使用dplyr 0.5.0及更高版本，可以使用更简单的语法并更接近@Ricky最初想要的语法，我发现它比使用lazyeval::interp

更具可读性

df %>% filter_(.dots = paste0(fld, "=='", sval, "'"))

#  V Unhappy
#1 1       Y
#2 5       Y
#3 3       Y

#OR
df %>% filter_(.dots = glue::glue("{fld}=='{sval}'"))

Answer 3

这是基础R的替代方案，它可能不是很优雅，但它可能具有易于理解的好处：

df[df[colnames(df)==fld]==sval,]
#  V Unhappy
#2 1       Y
#3 5       Y
#4 3       Y

Answer 4

来自LmW;我个人更喜欢使用dplyr管道，在管道之前指定点，以便更容易以编程方式使用，比如在过滤器循环中。

dots <-  paste0(fld," == '",sval,"'")
df   %>% filter_(.dots = dots)

LmW的示例是正确的，但值是硬编码。

在dplyr中使用filter_，其中字段和值都在变量中

4 个答案:

数据