Question

我正在尝试在自己的函数中使用R中的tidyverse的准引用。我已经在这里Passing a list of arguments to a function with quasiquotation和这里整个内容：https://tidyeval.tidyverse.org/

但是我仍然无法正常工作。

假设我有以下数据：

dat <- data.frame(time   = runif(20),
                  group1 = rep(1:2, times = 10),
                  group2 = rep(1:2, each = 10),
                  group3 = rep(3:4, each = 10))

我现在要做的是编写一个执行以下操作的函数：

获取数据集
指定包含时间的变量（请注意，在另一个数据集中，它可能称为“小时”或“ qtime”或其他名称）
指定我要对哪些组进行操作/统计

所以我希望用户要做的就是使用像这样的函数：

test_function(data = dat, time_var = "time", group_vars = c("group1", "group3"))请注意，下次我可能选择其他分组变量，或者没有选择。

我想在函数中说：

计算有关时间变量的某些统计信息，例如分位数。注意：我想按我的分组变量进行划分

这是我最近的尝试之一：

test_function <- function(data, time_var = NULL, group_vars = NULL)
{
# Note I initialize the variables with NULL, since e.g. the user might not specify a grouping 

and I want to check for that in my function at some point)
time_var <- enquo(time_var)
group_vars <- enquos(group_vars)

# Here I try to group by my grouping variables
temp_data <- data %>%
    group_by_at(group_vars) %>%
    mutate(!!sym(time_var) := !!sym(time_var) / 60)

# Here I'm calculating some stats  
time_stats <- temp_data %>%
    summarize_at(vars(!!time_var), list(p0.1_time   = ~quantile(., probs = 0.1, na.rm = T),
                                        p0.2_time   = ~quantile(., probs = 0.2, na.rm = T),
                                        p0.3_time   = ~quantile(., probs = 0.3, na.rm = T),
                                        p0.4_time   = ~quantile(., probs = 0.4, na.rm = T),
                                        p0.5_time   = ~quantile(., probs = 0.5, na.rm = T),
                                        p0.6_time   = ~quantile(., probs = 0.6, na.rm = T),
                                        p0.7_time   = ~quantile(., probs = 0.7, na.rm = T),
                                        p0.8_time   = ~quantile(., probs = 0.8, na.rm = T),
                                        p0.9_time   = ~quantile(., probs = 0.9, na.rm = T),
                                        p0.95_time  = ~quantile(., probs = 0.95, na.rm = T)))

}

我的代码有什么问题？即我专门与!!，!!!，sym，enquo和enquos事物作斗争。为什么group_by_at东西不需要!!东西，而我的摘要和变异确实需要它吗？

Answer 1

进行以下更改：

使用sym和syms而不是enquo和enquos
分别使用!!和!!!。
创建po作为列表，然后使用unnest_wider扩展到列
quantile已经向量化，所以我们不需要map
mutate可以直接加入到quantile调用中，消除它
将管道整合为一个管道
使用TRUE而不是T，因为后者可以被该名称的变量掩盖，而没有任何变量可以称为TRUE。
我们可以使用普通的group_by和summarize
示例数据中没有group3，因此我们改用group2
如果没有time_var，这是没有意义的，因此请删除默认值NULL

这给出了以下代码

test_function <- function(data, time_var, group_vars = NULL) {
  p <- c(1:9/10, 0.95)
  time_var <- sym(time_var)
  group_vars <- syms(group_vars)
  data %>%
    group_by(!!!group_vars) %>%
    summarize(po = list(quantile(!!time_var / 60, p, na.rm = TRUE))) %>%
    ungroup %>%
    unnest_wider(po)
}

test_function(data = dat, time_var = "time", group_vars = c("group1", "group2"))

给予：

# A tibble: 4 x 12
  group1 group2   `10%`   `20%`   `30%`   `40%`   `50%`   `60%`   `70%`   `80%`   `90%`   `95%`
   <int>  <int>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
1      1      1 0.00237 0.00432 0.00654 0.00903 0.0115  0.0120  0.0124  0.0133  0.0147  0.0154 
2      1      2 0.00244 0.00251 0.00281 0.00335 0.00388 0.00410 0.00432 0.00493 0.00591 0.00640
3      2      1 0.00371 0.00381 0.00468 0.00632 0.00796 0.0101  0.0122  0.0136  0.0143  0.0147 
4      2      2 0.00385 0.00538 0.00630 0.00660 0.00691 0.00725 0.00759 0.00907 0.0117  0.0130

R自己函数中R中的动态变量引用的R准引用和tidyeval

1 个答案: