在`dplyr :: mutate()`的上下文中,在`dplyr :: case_when()中使用复杂的RHS表达式

时间:2019-11-06 23:25:58

标签: r dplyr tidyeval nse

问题

我正在尝试使用dplyr::mutate()dplyr::case_when()在数据框中创建新的数据列,该数据列使用存储在另一个对象(“查找列表”)中的数据填充,并且基于数据框中列中的信息。

我知道答案可能与正确使用准引号和NSE有关,但是我无法将Programming with dplyr vignette中的信息推断出我的情况。

我希望在此处发布此reprex可以引导我找到正确的答案,并且我认为解决此问题将大大帮助我了解NSE。

样本数据

key_list <- list(
  "a" = list(
    foo = 1,
    bar = 2),
  "b" = list(
    foo = 3,
    bar = 4),
  "c" = list(
    foo = 5,
    bar = 6)
  )

x <- tibble(fruit = c("apple", "orange", "grape", "apple", "apple", "orange"),
            `Old Letter` = c("a", "a", "b", "c", "c", "c"),
            `Old Number` = c(9, 8, 7, 6, 5, 4)
            )

x

# # A tibble: 6 x 3
#   fruit  `Old Letter` `Old Number`
#   <chr>  <chr>               <dbl>
# 1 apple  a                       9
# 2 orange a                       8
# 3 grape  b                       7
# 4 apple  c                       6
# 5 apple  c                       5
# 6 orange c                       4

目标

具体地说,我想在x中创建一个新列(我将称为`New Number`),该列基于x$fruitx$`Old Letter`中的值进行填充。 / p>

以下是在我的实际用例中挂断电话的代码:

x %>% mutate(`New Number` = case_when(
  fruit == "apple" ~ pluck(key_list, `Old Letter`, "foo") * 10,
  fruit == "orange" ~ pluck(key_list, `Old Letter`, "foo") * 100,
  fruit == "grape" ~ pluck(key_list, `Old Letter`, "foo") * 1000
  ))

# Error: Index 1 must have length 1, not 6

预期输出

在我的脑海中,我看到这样的(所需)操作顺序,例如x的第一行:

  • fruit == "apple"为TRUE,因此请评估以下表达式:pluck(key_list, `Old Letter`, "foo") * 10
  • 由于该行的`Old Letter`列中的值为"a",因此表达式变为pluck(key_list, "a", "foo") * 10(在全局环境中,该表达式应在key_list对象上运行)< / li>
  • 这简化为2 * 10,等于20
  • 将计算该表达式的结果放入`New Number`列中。

将其推算到整个命令中,我希望将其作为输出:

# # A tibble: 6 x 4
#   fruit  `Old Letter` `Old Number` `New Number`
#   <chr>  <chr>               <dbl>        <dbl>
# 1 apple  a                       9           20
# 2 orange a                       8          200
# 3 grape  b                       7         4000
# 4 apple  c                       6           60
# 5 apple  c                       5           60
# 6 orange c                       4          600

我的看法:

从我收到的错误消息来看,似乎不是`Old Letter`列中的单个值被用作pluck()的索引,而是整个`Old Letter`列将作为向量传递。我猜这是因为根据documentation for case_when()

  

case_when()不是一个简单的评估函数。

我试图跟踪这种情况的发生,但是跟踪堆栈似乎没有指向我任何有用的地方,并且没有将整个命令包装在rlang::qq_show()quo()中向我展示R是如何根据NSE解释该命令的,因为它们也都抛出了相同的错误。

我已经尝试过以下组合:

  • quo()
  • enquo()
  • !!
  • !!enquo()(简称为{{}})和
  • sym()

在上面的Reprex代码中,以及将其包装到一个函数中,但是会引发相同的错误:

get_num <- function(x, y) purrr::pluck(key_list, x, y)

x %>% mutate(`New Number` = case_when(
  fruit == "apple" ~ get_num(`Old Letter`, "foo") * 10,
  fruit == "orange" ~ get_num(`Old Letter`, "foo") * 100,
  fruit == "grape" ~ get_num(`Old Letter`, "foo") * 1000
  ))

# Error: Index 1 must have length 1, not 6

This answer关于SO的另一个问题告诉我

  

我猜想您对case_when()缺少的是,对参数进行一次评估,而不是对每一行进行评估。

但是我不确定这是否/如何适用于我的情况,所以我很茫然。

无论如何,感谢大家提供的帮助!


sessionInfo()

R version 3.6.0 (2019-04-26)
Platform: x86_64-apple-darwin15.6.0 (64-bit)
Running under: macOS  10.15

Matrix products: default
BLAS:   /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/3.6/Resources/lib/libRlapack.dylib

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] rlang_0.4.1     readxl_1.3.1    forcats_0.4.0   stringr_1.4.0   dplyr_0.8.3     purrr_0.3.3     readr_1.3.1     tidyr_1.0.0     tibble_2.1.3   
[10] ggplot2_3.2.1   tidyverse_1.2.1

loaded via a namespace (and not attached):
 [1] Rcpp_1.0.2       cellranger_1.1.0 pillar_1.4.2     compiler_3.6.0   base64enc_0.1-3  tools_3.6.0      digest_0.6.22    zeallot_0.1.0    evaluate_0.14   
[10] lubridate_1.7.4  jsonlite_1.6     lifecycle_0.1.0  nlme_3.1-141     gtable_0.3.0     lattice_0.20-38  pkgconfig_2.0.3  cli_1.1.0        rstudioapi_0.10 
[19] yaml_2.2.0       haven_2.1.1      xfun_0.10        withr_2.1.2      xml2_1.2.2       httr_1.4.1       knitr_1.25       generics_0.0.2   vctrs_0.2.0     
[28] hms_0.5.1        grid_3.6.0       tidyselect_0.2.5 glue_1.3.1       R6_2.4.0         fansi_0.4.0      rmarkdown_1.16   modelr_0.1.5     magrittr_1.5    
[37] htmltools_0.4.0  backports_1.1.5  scales_1.0.0     rvest_0.3.4      assertthat_0.2.1 colorspace_1.4-1 utf8_1.1.4       stringi_1.4.3    lazyeval_0.2.2  
[46] munsell_0.5.0    broom_0.5.2      crayon_1.3.4 

1 个答案:

答案 0 :(得分:3)

我认为,该问题与NSE的关系可能少于pluck未被向量化的事实-因为当前编写的pluck并非每行进行一次评估,而是尝试将所有行一次运行pluck。但是,正如您所了解的,pluck需要输入一个数字,而不是一个向量。

解决此问题的一种方法是在代码中跨行map,将您的代码用作lambda样式的小函数。请注意,您需要使用map_dbl来强制转换数字值,否则map将返回一个列表,并且所有内容都会爆炸:-)

x %>% 
  mutate(`New Number` = case_when(
    fruit == "apple" ~ map_dbl(`Old Letter`, ~ pluck(key_list, ., "foo")) * 10,
    fruit == "orange" ~ map_dbl(`Old Letter`, ~ pluck(key_list, ., "foo")) * 100,
    fruit == "grape" ~ map_dbl(`Old Letter`, ~ pluck(key_list, ., "foo")) * 1000
  ))

# # A tibble: 6 x 4
#   fruit  `Old Letter` `Old Number` `New Number`
#   <chr>  <chr>               <dbl>        <dbl>
# 1 apple  a                       9           10
# 2 orange a                       8          100
# 3 grape  b                       7         3000
# 4 apple  c                       6           50
# 5 apple  c                       5           50
# 6 orange c                       4          500