Question

我试图将一个从原始数据框创建子集的函数组合在一起，然后使用dplyr的SELECT和MUTATE根据总和给出大/小条目的数量萼片/花瓣的宽度和长度。

filter <- function (spp, LENGTH, WIDTH) {
  d <- subset (iris, subset=iris$Species == spp) # This part seems to work just fine
  large <- d %>%                       
    select (LENGTH, WIDTH) %>%   # This is where the problem arises.
    mutate (sum = LENGTH + WIDTH) 
  big_samples <- which(large$sum > 4)
 return (length(big_samples)) 
}

基本上，我希望函数返回大花的数量。但是，当我运行该函数时，我收到以下错误 -

filter("virginica", "Sepal.Length", "Sepal.Width")

 Error: All select() inputs must resolve to integer column positions.
The following do not:
*  LENGTH
*  WIDTH

我做错了什么？

Answer 1

您遇到了NSE / SE问题，请参阅the vignette for more info。

简而言之，dplyr使用名称的非标准评估（NSE），并且将列的名称传递给函数会破坏它，而不使用标准评估（SE）版本。

dplyr函数的SE版本以_结尾。您可以看到select_与原始参数很好地配合使用。

然而，使用函数时事情会变得更复杂。我们可以使用lazyeval::interp将大多数函数参数转换为列名，请参阅下面函数中mutate到mutate_调用的转换，更一般地说，帮助：?lazyeval::interp

尝试：

filter <- function (spp, LENGTH, WIDTH) {
    d <- subset (iris, subset=iris$Species == spp) 
    large <- d %>%                       
        select_(LENGTH, WIDTH) %>%  
        mutate_(sum = lazyeval::interp(~X + Y, X = as.name(LENGTH), Y = as.name(WIDTH))) 
    big_samples <- which(large$sum > 4)
    return (length(big_samples)) 
}

Answer 2

UPDATE ：从dplyr 0.7.0开始，您可以使用整洁的eval来完成此任务。

有关详细信息，请参阅http://dplyr.tidyverse.org/articles/programming.html。

filter_big <- function(spp, LENGTH, WIDTH) {
  LENGTH <- enquo(LENGTH)                    # Create quosure
  WIDTH  <- enquo(WIDTH)                     # Create quosure

  iris %>% 
    filter(Species == spp) %>% 
    select(!!LENGTH, !!WIDTH) %>%            # Use !! to unquote the quosure
    mutate(sum = (!!LENGTH) + (!!WIDTH)) %>% # Use !! to unquote the quosure
    filter(sum > 4) %>% 
    nrow()
}

filter_big("virginica", Sepal.Length, Sepal.Width)

> filter_big("virginica", Sepal.Length, Sepal.Width)
[1] 50

Answer 3

如果对您来说，定额报价和准报价太贵了，请改用.data[[ ]]或rlang {{ }}（curly curly）。有关更多信息，请参见Hadley的Advanced R书中的Hadley Wickham's 5min video on tidy evaluation和（也许）Tidy evaluation section。

library(rlang)
library(dplyr)

filter_data <- function(df, spp, LENGTH, WIDTH) {
  res <- df %>% 
    filter(Species == spp) %>% 
    select(.data[[LENGTH]], .data[[WIDTH]]) %>%        
    mutate(sum = .data[[LENGTH]] + .data[[WIDTH]]) %>% 
    filter(sum > 4) %>% 
    nrow()
  return(res)
}

filter_data(iris, "virginica", "Sepal.Length", "Sepal.Width")
#> [1] 50


filter_rlang <- function(df, spp, LENGTH, WIDTH) {
  res <- df %>% 
    filter(Species == spp) %>% 
    select({{LENGTH}}, {{WIDTH}}) %>%        
    mutate(sum = {{LENGTH}} + {{WIDTH}}) %>% 
    filter(sum > 4) %>% 
    nrow()
  return(res)
}

filter_rlang(iris, "virginica", Sepal.Length, Sepal.Width)
#> [1] 50

^{由reprex package（v0.3.0）于2019-11-10创建}

在函数内部使用dplyr时出错

3 个答案: