Question

我正在尝试掌握rlang的整洁评估。作为一个简短的示例，我想向数据帧添加一列预测。这是在modelr中实现的，但是我想直接传递公式，以便可以进行一些整洁的评估。

我具有以下功能

add_predictions <- function(data, model_exp){
  enquo_model_exp <- enquo(model_exp)
  fit <- data %>% as_tibble()  %>% !!enquo_model_exp
  data[[preds]] <- stats::predict(fit, data)
}

以上功能具有以下步骤

enquo公式
使用数据拟合模型，并使用!!
使用拟合模型对数据进行预测

该函数用法的一个例子是正在关注。

cars %>% 
  as_tibble() %>% 
  add_predictions(lm(speed ~ dist, data = .))

Answer 1

将公式作为参数传递很简单，我不建议整洁的评价。我将按照以下步骤进行操作（仅使用tidyeval 为新的列名）：

library(tidyverse)

add_predictions <- function(.data, formula,
                            .fun = lm, col = pred) {
  col <- enquo(col)
  col <- quo_name(col)
  mod <- .fun(formula = formula, data = .data)
  mutate(.data, !! col := predict(mod))
}

cars %>% 
  add_predictions(speed ~ dist, col = speed_pred) 

#    speed dist speed_pred
# 1      4    2   8.615041
# 2      4   10   9.939581
# 3      7    4   8.946176
# 4      7   22  11.926392
# 5      8   16  10.932987
# 6      9   10   9.939581
# 7     10   18  11.264122
# 8     10   26  12.588663
# 9     10   34  13.913203
# 10    11   17  11.098554
# ...

现在，我了解到您想使用整洁的评估作为练习。使用所需的功能签名：

add_predictions_2 <- function(.data, model_exp, col = pred) {
  col <- enquo(col)
  col <- quo_name(col)
  model_exp <- enquo(model_exp)
  mod <- rlang::eval_tidy(model_exp, data = list(. = .data))
  mutate(.data, !! col := predict(mod))
}

cars %>% 
  as_tibble() %>% 
  add_predictions_2(lm(speed ~ dist, data = .))

# # A tibble: 50 x 3
#    speed  dist  pred
#    <dbl> <dbl> <dbl>
#  1     4     2  8.62
#  2     4    10  9.94
#  3     7     4  8.95
#  4     7    22 11.9 
#  5     8    16 10.9 
#  6     9    10  9.94
#  7    10    18 11.3 
#  8    10    26 12.6 
#  9    10    34 13.9 
# 10    11    17 11.1 
# # ... with 40 more rows

公式的整洁评估的简单示例

1 个答案: