我偶然发现了这种行为，并不太了解。有人可以照亮一下吗？
我编写了以下函数，该函数给出以下错误：
let tokenSoundTrack;
function sound() {
tokenSoundTrack = 4;
}
function sound2() {
tokenSoundTrack = 2;
}
但是，如果我以以下方式对其进行修改，则它会按预期工作：
> MyFilter <- function(data, filtersVector) {
filtersVector <- quo(filtersVector)
result <- data %>% filter(Species %in% !!filtersVector)
result
}
> MyFilter(iris, c("setosa", "virginica"))
Error in filter_impl(.data, quo) :
Evaluation error: 'match' requires vector arguments.
我也意识到，在一个函数中，我应该改用> MyFilter <- function(data, filtersVector) {
otherName <- quo(filtersVector)
result <- data %>% filter(Species %in% !!otherName)
result
}
> MyFilter(iris, c("setosa", "virginica"))
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
，它可以正常工作。
enqou但是，我仍然对上述行为感到困惑，将不胜感激。
答案 0 :(得分：5)
TLDR：在第一个版本中，您已经创建了一个自引用（一个指向自身的符号）。其他版本也可以使用，但是实际上您不需要在这里使用quasure和捕获参数，因为您没有在引用数据框列。这也解释了为什么quo()和enquo()版本都工作相同的原因。您可以按常规方式传递参数，而不用引号，尽管用!!取消引号仍然是一个好主意，以避免任何数据掩盖错误。
您可以在qq_show()调用周围使用filter()来发现语法差异：
MyFilter <- function(data, filtersVector) {
filtersVector <- quo(filtersVector)
rlang::qq_show(
result <- data %>% filter(Species %in% !!filtersVector)
)
}
MyFilter(iris, c("setosa", "virginica"))
#> result <- data %>% filter(Species %in% (^filtersVector))
因此，我们在这里要求filter()查找其中Species与filtersVector的元素匹配的行。数据框中没有filtersVector列，因此它在quosure环境中寻找定义。您已使用quo()创建了一个quosure，它记录了您的表达式（在本例中为符号filtersVector）和您的环境（您的环境功能）。因此，它将查找filtersVector对象，该对象包含一个指向自身的符号。它仅被评估一次，因此没有无限循环，但是您实际上正在尝试将向量与符号进行比较，这是类型错误：
"setosa" %in% quote(filtersVector)
#> Error in match(x, table, nomatch = 0L) :
#> 'match' requires vector arguments
在第二次尝试中，您给quasure取了另一个名字。由于filtersVector在您的函数环境中仍然代表传递给它的参数（向量），因此现在可以使用。
在第三次尝试中，您这次使用enquo()。 enquo()并非捕获您的表达式和您的环境，而是捕获了函数用户的表达式和环境。让我们再次使用qq_show()来了解不同之处：
MyFilter <- function(data, filtersVector) {
filtersVector<- enquo(filtersVector)
rlang::qq_show(
data %>% filter(Species %in% !!filtersVector)
)
}
MyFilter(iris, c("setosa", "virginica"))
#> data %>% filter(Species %in% (^c("setosa", "virginica")))
现在，quoquo包含一个在现场创建矢量的调用，%in%非常清楚。
请注意，您实际上不是在实际上指数据框列。您正在传递矢量。这意味着您根本不需要任何保证，也不需要捕获传递给参数的表达式。 enquo()仅对 delay 评估直到最后都有用，因此可以在数据框中进行评估。如果quo()和enquo()版本产生相同的结果，则表明您根本不需要引用。由于不需要它们，因此让我们通过消除方程的简化来简化函数：
MyFilter <- function(data, filtersVector) {
data %>% filter(Species %in% filtersVector)
}
MyFilter(iris, c("setosa", "virginica"))
#> # A tibble: 100 x 5
#> Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> <dbl> <dbl> <dbl> <dbl> <fct>
#> 1 5.1 3.5 1.4 0.2 setosa
#> 2 4.9 3 1.4 0.2 setosa
#> 3 4.7 3.2 1.3 0.2 setosa
#> 4 4.6 3.1 1.5 0.2 setosa
#> 5 5 3.6 1.4 0.2 setosa
#> 6 5.4 3.9 1.7 0.4 setosa
#> 7 4.6 3.4 1.4 0.3 setosa
#> 8 5 3.4 1.5 0.2 setosa
#> 9 4.4 2.9 1.4 0.2 setosa
#> 10 4.9 3.1 1.5 0.1 setosa
#> # ... with 90 more rows
有效！但是，如果数据帧包含filtersVector列会怎样？它优先于环境中的对象：
iris %>%
mutate(filtersVector = "parasite vector") %>%
MyFilter(c("setosa", "virginica"))
#> # A tibble: 0 x 6
#> # ... with 6 variables: Sepal.Length <dbl>, Sepal.Width <dbl>,
#> # Petal.Length <dbl>, Petal.Width <dbl>, Species <fct>, filtersVector <chr>
所以取消引用仍然是一个好主意，因为这将立即评估向量并将其粘贴在过滤器表达式中。它不能再被列掩盖。内联由qq_show()显示：
MyFilter <- function(data, filtersVector) {
rlang::qq_show(
data %>% filter(Species %in% !!filtersVector)
)
}
MyFilter(iris2, c("setosa", "virginica"))
#> data %>% filter(Species %in% <chr: "setosa", "virginica">)
答案 1 :(得分：1)
当我们传递带引号的向量字符串而不是未引用的字符串时，我们需要使用syms中的rlang
MyFilter <- function(data, filtersVector) {
filtersVector <- rlang::syms(filtersVector)
data %>%
filter(Species %in% !!filtersVector)
}
out <- MyFilter(iris, c("setosa", "virginica"))
dim(out)
#[1] 100 5