Question

我认为这些问题还有其他多种变体（例如：here，here和here） - 甚至可能是某个地方的答案。

如何为过滤器功能提供参数。

library(dplyr)
library(lazyeval)
set.seed(10)
data <- data.frame(a=sample(1:10, 100, T))

如果我需要计算出数字1到10的出现次数并显示计数，比如说1,2和3，我会这样做：

data %>% 
  group_by(a) %>% 
  summarise(n = n()) %>% 
  filter(a < 4)

给予：

# A tibble: 3 × 2
      a     n
  <int> <int>
1     1    11
2     2     8
3     3    16

现在，我该怎么把它放到一个函数中？这里grp是分组变量。

   fun <- function(d, grp, no){
      d %>% 
        group_by_(grp) %>% 
        summarise_(n = interp(~ n() )) %>%
        filter_( grp < no)
        # This final line instead also does not work:  
        # filter_(interp( grp < no), grp = as.name(grp))
    }

现在，

fun(data, 'a', 4)

给出：

# A tibble: 0 × 2
# ... with 2 variables: a <int>, n <int>

Answer 1

我们可以使用dplyr的devel版本中的quosures方法（即将发布0.6.0）

fun <- function(d, grp, no){
   grp <- enquo(grp)

   d %>% 
      group_by(UQ(grp)) %>% 
      summarise(n = n() )%>%
       filter(UQ(grp) < no)

}

fun(data, a, 4)
# A tibble: 3 x 2
#      a     n
#  <int> <int>
#1     1    11
#2     2     8
#3     3    16

我们使用enquo获取输入参数并将其转换为quosure，在group_by/summarise/mutate内，通过取消引用（UQ或{{1}来评估quosure }）

上述函数也可以修改为带引号和不带引号的参数

!!

R lazyeval：将参数传递给dplyr :: filter

1 个答案: