【问题标题】:Using do.call with dplyr standard evaluation version将 do.call 与 dplyr 标准评估版一起使用
【发布时间】:2016-02-16 07:25:47
【问题描述】:

我怎样才能获得带有可变参数和函数列表的do.call,以便在dplyr 中使用summarise_ 的标准评估版本?

## Some sample data, function, and variables to interpolate
set.seed(0)
dat <- data.frame(a=runif(10), b=runif(10))
fn <- function(x, y) IQR(x / y, na.rm = TRUE)
funs <- list(fn="fn")
targs <- list("a", "b")

这是我正在努力工作的lazyeval::interp

library(dplyr)
interp(~do.call(fn, xs), .values=list(fn=funs$fn, xs=targs))
# ~do.call("fn", list("a", "b"))

但它不起作用,

dat %>%
  summarise_(out = interp(~do.call(fn, xs), .values=list(fn=funs$fn, xs=targs)))

预期结果

dat %>%
  summarise(out = do.call(fn, list(a, b)))
#        out
# 1 1.084402

如果我添加一些打印语句,我知道问题是“a”和“b”没有被正确解释,但我无法弄清楚如何正确引用它们。

fn <- function(x, y) { print(x); print(y); IQR(x / y, na.rm = TRUE) }
dat %>%
  summarise_(out = interp(~do.call(fn, xs), fn=funs$fn, xs=targs))
# [1] "a"
# [1] "b"
# Error: non-numeric argument to binary operator

【问题讨论】:

  • 我可能遗漏了一些东西(从来没有理解过interp 构造的吸引力),但是dat %&gt;% summarise(out = do.call(fn, unname(.[unlist(targs)]))) 可以得到list(a,b) 或dat %&gt;% summarise(out = do.call(fn, lapply(targs, function(x) .[[x]])))
  • 你真的需要do.call吗?不能只是像dat %&gt;% summarise_(out = interp(~f(x,y), f = as.name(funs$fn), x = as.name(targs[[1]]), y = as.name(targs[[2]]))) 这样的东西吗?
  • 您能否澄清一下不知道函数采用多少参数的情况?如果您举例说明您正在尝试实现的目标,那么有人可能会帮助您想出一种无需do.call 来解决该问题的方法。
  • @TheTime 我在考虑使用eval(parse(text=...)) 范式可能会起作用,使targs = "list(a, b)",但这会产生同样的问题,a 仍被解释为"a"。有时使用不带引号的字符串是 R 的祸根,会造成无穷无尽的问题。
  • 我不明白为什么@Frank 提供的答案不起作用。应该在哪里添加group_by 来破坏它?

标签: r dplyr


【解决方案1】:

targs 参数必须是 call 类。 call(a 和 b)中的变量需要是 name 类。所有这些都在下面的第二(和第三)行中完成。 ?call、?as.name 和 ?is.language 可能会使这条线更容易理解。

dat <- data.frame(a=runif(10), b=runif(10), grp=rep(1:2, each=5))
targs_quoted = do.call(call, c("list", lapply(targs, as.name)), quote=TRUE)
# In hardcoded form, targs_quoted = quote(list(a, b))
dat %>%
  group_by(grp) %>%
  summarise_(out = interp(~do.call(fn, xs), 
                          .values=list(fn=funs$fn, xs=targs_quoted)))

# Source: local data frame [2 x 2]
#     
#       grp       out
#     (int)     (dbl)
#  1     1  1.0754497
#  2     2  0.9892201

dplyr 的“nse”(非标准评估)vignette 在这里非常有帮助。我发现. 总是指整个表,而不是分组表。这就是为什么 cmets 中的一些建议没有按预期“奏效”。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2015-03-23
    • 1970-01-01
    • 2015-03-10
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多