这个问题令我难过。
我有以下数据框:
library(dplyr)
# approximation of data frame
x <- data.frame(doy = sample(c(seq(200, 300)), 20, replace = T),
year = sample(c("2000", "2005"), 20, replace = T),
phase = sample(c("pre", "post"), 20, replace = T))
和一个简单的'summaryrize'函数,它将列名作为变量,并且运行良好:
getStats <- function(df, col) {
col <- as.name(col)
df %>%
group_by(year, phase) %>%
summarize(n = sum(!is.na(col)),
mean = mean(col, na.rm = T),
sd = sd(col, na.rm = T),
se = sd/sqrt(n))
}
> getStats(x, "doy")
Source: local data frame [4 x 6]
Groups: year [?]
year phase n mean sd se
<fctr> <fctr> <int> <dbl> <dbl> <dbl>
1 2000 post 8 248.625 30.42526 10.75695
2 2000 pre 2 290.000 14.14214 10.00000
3 2005 post 5 231.400 32.86031 14.69558
4 2005 pre 5 274.200 29.79429 13.32441
但是,如果我修改函数以获得中位数,则会返回错误:
getStats <- function(df, col) {
col <- as.name(col)
df %>%
group_by(year, phase) %>%
summarize(n = sum(!is.na(col)),
mean = mean(col, na.rm = T),
med = median(col, na.rm = T), # new line
sd = sd(col, na.rm = T),
se = sd/sqrt(n))
}
> getStats(x, "doy")
Error in median (doy, na.rm = TRUE): object "doy" not found
我尝试了一系列名称和位置更改,但都产生了相同的结果:'median'不接受列名作为传递变量。我想我错过了一些基本的东西,当有人向我指出时,我会做一个脸部手掌,但在过渡时期,我觉得我失去了理智。我很感激任何见解!
答案 0 :(得分:3)
您的近端问题可能是median
没有...
参数,而mean
确实存在(我不确定为什么sd
正在运作...也许是方法和...
之间的互动?)
在任何情况下,IMO处理此类问题的正确方法是使用标准评估(即不非标准评估,即使用{{1而不是summarise_
,如summarise
)中所示:
说明它如何在全局环境中而不是在函数内部工作,但我认为这不应该......
vignette("nse",package="dplyr")
唯一令人烦恼的是,由于某种原因,col <- "doy"
funs <- c("n","mean","stats::median","sd","se")
## put together function calls
dots <- c(sprintf("sum(!is.na(%s))",col),
sprintf("%s(%s,na.rm=TRUE)",funs[2:4],col),
"sd/sqrt(n)")
names(dots) <- gsub("^.*::","",funs) ## ugh
dots
## n mean
## "sum(!is.na(doy))" "mean(doy,na.rm=TRUE)"
## median sd
## "stats::median(doy,na.rm=TRUE)" "sd(doy,na.rm=TRUE)"
## se
## "sd/sqrt(n)"
x %>%
group_by(year, phase) %>%
summarise_(.dots=dots)
无法找到dplyr
,除非我将其称为median
,这意味着我们必须更努力地工作才能变得更好列名。标准评估方法有点丑陋,但这是你为这种灵活性付出的代价。
将其嵌入到一个函数中,我可能会在另一个地方中断stats::median
,即
getStats
这使您可以更灵活地进行不同的分组......