Question

我尝试使用dplyr命令创建一个子集和变异数据的函数。我的假数据是这样的：

newTest_rv <- data.frame(is_op=c(rep(0,6),rep(1,4)),
                     has_click=c(0,0,1,1,1,1,0,0,1,1),
                     num_pimp=c(3,5,1,2,3,5,2,5,3,5),
                     freq = c(rep(1,5),5,1,2,1,2))

我的功能是这样的：

reweight <- function(data, conds){
   require(dplyr)
   require(lazyeval)
   data %>% 
   filter_(lazy(conds)) %>%
   group_by(num_pimp) %>% 
   mutate_(lazy(new_num) = lazy(num_pimp) - lazy(sum(freq[lazy(!conds)]))) %>%   
   mutate(new_weight=freq*(1/new_num)) %>%
   ungroup()
 }

 > reweight(newTest_rv, is_op==0)

条件陈述的非标准评价＆＃34; is_op == 0＆＃34;似乎在其他地方工作，但不在组内的子集中工作＆＃34;懒惰（sum（freq [lazy（！conds）]））＆＃34;。有什么方法可以绕过这个问题吗？

谢谢！

Answer 1

看起来你对lazy s有点过分了。 lazy()函数创建了一个惰性对象，它基本上会延迟对表达式的求值。你不能只是撰写标准表达式和懒惰表达式。通常，您可以通过lazyeval的interp()函数将它们组合在一起。我想你想要的是

mutate_(new_num = interp(~num_pimp - sum(freq[!(x)]), x=lazy(conds)))

这里我们使用interp()来获取标准表达式（在本例中使用公式语法）并将惰性表达式作为子集向量插入。

使用dplyr（R）将条件表达式传递给用户定义函数

1 个答案: