dplyr 中的标准评估：总结作为字符串给出的变量

Question

2020 年 7 月更新：

dplyr 1.0 几乎改变了这个问题的所有内容以及所有答案。在此处查看dplyr 编程小插曲：

https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html

当列的标识符存储为字符向量时，引用列的新方法是使用rlang 中的.data 代词，然后像在基本 R 中一样使用子集。

library(dplyr)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
    select(-matches(drp)) %>% 
    group_by(.data[[key]]) %>% 
    summarise(total = sum(.data[[val]], na.rm = TRUE))

#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#>   v3    total
#>   <chr> <int>
#> 1 A        21
#> 2 B        19

如果您的代码在包函数中，您可以@importFrom rlang .data 避免 R 检查未定义全局变量的注释。

原始问题：

我想引用 summarise 中的未知列名。 dplyr 0.3 中引入的标准评估函数允许使用变量引用列名，但是当您在例如内部调用 base R 函数时，这似乎不起作用。 summarise。

library(dplyr)
 
key <- "v3"
val <- "v2"
drp <- "v1"
 
df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df 看起来像这样：

> df
Source: local data frame [5 x 3]

  v1 v2 v3
1  1  6  A
2  2  7  A
3  3  8  A
4  4  9  B
5  5 10  B

我想删除 v1，按 v3 分组，并为每个组求和 v2：

df %>% select(-matches(drp)) %>% group_by_(key) %>% summarise_(sum(val, na.rm = TRUE))

Error in sum(val, na.rm = TRUE) : invalid 'type' (character) of argument

select() 的 NSE 版本运行良好，因为它可以匹配字符串。 group_by() 的 SE 版本运行良好，因为它现在可以接受变量作为参数并评估它们。但是，在dplyr 函数中使用基本 R 函数时，我还没有找到实现类似结果的方法。

不起作用的事情：

df %>% group_by_(key) %>% summarise_(sum(get(val), na.rm = TRUE))
Error in get(val) : object 'v2' not found

df %>% group_by_(key) %>% summarise_(sum(eval(as.symbol(val)), na.rm = TRUE))
Error in eval(expr, envir, enclos) : object 'v2' not found

我已经查看了severalrelatedquestions，但到目前为止，没有一个建议的解决方案对我有用。

Answer 1

请注意，此答案不适用于dplyr >= 0.7.0，但适用于以前的版本。

[dplyr 0.7.0] 有一种新的非标准评估 (NSE) 方法，称为 tidyeval。在vignette("programming")中有详细描述。

---

dplyr vignette on non-standard evalutation 在这里很有帮助。检查“混合常量和变量”部分，您会发现可以使用包lazyeval 中的函数interp，并且“[u]se as.name 如果您有一个给出变量名称的字符串”：

library(lazyeval)
df %>%
  select(-matches(drp)) %>%
  group_by_(key) %>%
  summarise_(sum_val = interp(~sum(var, na.rm = TRUE), var = as.name(val)))
#   v3 sum_val
# 1  A      21
# 2  B      19

Answer 2

随着 rlang 包的发布和 dplyr 的 0.7.0 更新，这现在相当简单。

当您想使用字符串（例如“v1”）作为变量名时，您只需：

1. 使用 rlang 包中的 sym() 将字符串转换为符号
2. 在你的函数调用中，在符号前面写上!!

例如，您将执行以下操作：

my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean(!!my_sym))

更简洁地说，您可以在编写函数调用时将将字符串转换为符号的步骤与sym() 并以!! 作为前缀。

例如，你可以这样写：

my_var <- "Sepal.Length"
summarize(iris, mean(!!sym(my_var)))

要返回原始示例，您可以执行以下操作：

library(rlang)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
  # NOTE: we don't have to do anything to `drp`
  # since the matches() function expects a character string
  select(-matches(drp)) %>% 
  group_by(!!sym(key)) %>% 
  summarise(sum(!!sym(val), na.rm = TRUE))

替代语法

随着 rlang 版本 0.4.0 的发布，您可以使用以下语法：

my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean({{ my_sym }}))

你可以写{{ my_sym }}，而不是写!!my_sym。这具有可以说更清晰的优点，但缺点是您必须在将字符串放入括号之前将其转换为符号。例如，你可以写!!sym(my_var)，但你不能写{{sym(my_var)}}

其他详情

在所有解释 sym() 和 !! 用法的官方文档中，这些似乎是最容易理解的：

1. dplyr vignette: Programming with dplyr

2. The section of Hadley Wickham's book 'Advanced R' on metaprogramming

Answer 3

向.dots 参数传递一个字符串列表，使用paste、sprintf 或使用包gsubfn 中的字符串插值通过fn$list 代替list，就像我们在这里所做的那样：

library(gsubfn)
df %>% 
   group_by_(key) %>% 
   summarise_(.dots = fn$list(mean = "mean($val)", sd = "sd($val)"))

给予：

Source: local data frame [2 x 3]

  v3 mean        sd
1  A  7.0 1.0000000
2  B  9.5 0.7071068

Answer 4

新的 dplyr 更新：

dplyr 的新功能可以帮助解决这个问题。我们使用引号quo()，而不是需要非标准评估的变量的字符串。我们使用另一个函数!! 撤消引用。有关这些see this vignette 的更多信息。在完整版本发布之前，您将需要 developer's version of dplyr。

library(dplyr) #0.5.0.9004+
key <- quo(v3)
val <- quo(v2)
drp <- "v1"

df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>% select(-matches("v1")) %>% 
  group_by(!!key) %>% 
  summarise(sum(!!val, na.rm = TRUE))
# # A tibble: 2 × 2
#      v3 `sum(v2, na.rm = TRUE)`
#   <chr>                   <int>
# 1     A                      21
# 2     B                      19

Answer 5

dplyr 1.0 几乎改变了这个问题的所有内容以及所有答案。在此处查看dplyr 编程小插曲：

https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html

当列的标识符存储为字符向量时，引用列的新方法是使用来自rlang 的.data 代词，然后像在基础 R 中一样使用子集。

library(dplyr)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
    select(-matches(drp)) %>% 
    group_by(.data[[key]]) %>% 
    summarise(total = sum(.data[[val]], na.rm = TRUE))

#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#>   v3    total
#>   <chr> <int>
#> 1 A        21
#> 2 B        19

如果您的代码在包函数中，您可以@importFrom rlang .data 避免 R 检查未定义全局变量的注释。