我有以下data.table
:
dtable <- data.table(column1 = c(1, 2, 3, 5, 6, 7, 8),
column2 = c(1, 1, 1, 5, 5, 6, 8),
column3 = c(7, 8, 9, 0, 9, 2, 3))
我想制作类似以下功能的东西,但是在参数化函数中:
dtable %>%
dplyr::group_by(column1) %>%
dplyr::summarise(Result = ifelse(column1 == column2, "A", "B"))
为此,我创建了以下功能:
Test <- function(.df, .columnName, .columnToGroup){
res <- .df %>%
# This line is interpreted correctly
dplyr::group_by_(lazyeval::interp(.columnToGroup, .columnToGroup = as.name(.columnToGroup))) %>%
# This line does not interpret the == condition as a logical one
dplyr::summarise_(Result = ifelse((lazyeval::interp(.columnToGroup == .columnName,
.columnToGroup = as.name(.columnToGroup),
.columnName = as.name(.columnName))),
"A", "B"))
return(res)
}
我将非标准评估函数(group_by_
和summarise_
)与lazyeval::interp
函数结合使用,但==
条件未被解释正确的方式,我得到以下的例外:
Test(dtable, "column1", "column2")
Error in UseMethod("interp") :
no applicable method for 'interp' applied to an object of class "logical"
我尝试了许多不同的组合(quote
,expr_env
,as.lazy
等等,但没有运气。感谢这个伟大的Non-standard evaluation guide我之前能够使用这些lazyeval
函数来评估算术表达式,但是我无法找到使它们解释这段代码中的逻辑条件的方法
非常感谢任何帮助。
答案 0 :(得分:1)
使用ifelse
,我们可以尝试(在评论中使用@docendodiscimus使用list
)
Test <- function(.df, .columnName, .columnToGroup){
.df %>%
dplyr::group_by_(.dots = .columnToGroup )%>%
dplyr::summarise_(.dots =
setNames(list(lazyeval::interp(quote(ifelse(colGrp == colName,
"A", "B")), .values = list(colGrp = as.name(.columnToGroup),
colName = as.name(.columnName)))),
"Result"))
}
res2 <- Test(dtable, "column2", "column1")
identical(res1, res2)
#[1] TRUE
其中&#39; res1&#39;是
res1 <- dtable %>%
dplyr::group_by(column1) %>%
dplyr::summarise(Result = ifelse(column1 == column2, "A", "B"))
新版dplyr
即0.6.0
(等待2017年4月发布),我们也可以在group_by
和summarise
内取消引用。 enquo
函数与substitute
的{{1}}类似,通过占用输入参数可以创建base R
并且不加引号(quosure
或{{1}在} !!
和UQ
内进行评估
group_by