以编程方式将 dplyr::case_when 与参数一起使用

Question

我希望能够以编程方式使用dplyr 的case_when 来替换基本R cut()function。

目前，case_when 可以通过 NSE 与外部参数一起使用，例如：

library(dplyr)
library(rlang)

patterns <- list(
  x <= 2 ~ "<=2",
  x <= 4 ~ "2<->4",
  x > 4 ~ ">4"
 )
 x <- 1:10
 case_when(!!!patterns)

我想要做的是：在 mutate 中将它与另一个变量一起使用

这个想法是这样的，虽然我不知道如何让它发挥作用：

library(dplyr)
patterns_lazy <- list(
  !!quo(x) <= 2 ~ "<=2",
  !!quo(x) <= 4 ~ "2<->4",
  !!quo(x) > 4 ~ ">4"
)
x <- "cyl"
mtcars %>% mutate(ABC = case_when(!!!patterns_lazy))

我希望能够定义我想要过滤的列（在字符串内），并检索类似这样的内容（此示例不起作用，因为它是所需的语法）：

x <- "cyl"
mtcars %>%
  select(cyl) %>%
  mutate(ABC = case_when(!!!patterns_lazy)) %>%
  head()

  cyl ABC
1   6 >4
2   6 >4
3   4 2<->4
4   6 >4
5   8 >4
6   6 >4

感谢您的帮助:)

Answer 1

你不能在那里使用!!：

patterns <- list(
  !!quo(x) <= 2 ~ "<=2",
  !!quo(x) <= 4 ~ "2<->4",
  !!quo(x) > 4 ~ ">4"
)

1. list() 和 ~ 都不支持准引用。
2. 如果它确实支持准引用，则需要注意运算符优先级并将 !!quo() 括在括号中。
3. 最后，x 的引用将评估为字符串，您将使用字符串比较数字（在您的示例中为 "cyl），由于隐式强制，R 会很高兴地做到这一点：/李>

所以你需要使用exprs()而不是list()，并使用x和 .data 代词而不是引用 x。

exprs() 将创建一个未计算的表达式列表。未评估 很好：如果您的公式被评估，它将带有一个环境 （这里是全局环境）并且该环境不包含任何 提供给 dplyr 的数据，特别是没有 .data 代词。另一方面，如果公式是“无上下文”的，它们 在我们想要的数据上下文中进行评估。

patterns_lazy <- exprs(
  .data[[x]] <= 2 ~ "<=2",
  .data[[x]] <= 4 ~ "2<->4",
  .data[[x]] > 4 ~ ">4"
)

x <- "cyl"
pull(mutate(mtcars, case_when(!!!patterns_lazy)))
#>  [1] ">4"    ">4"    "2<->4" ">4"    ">4"    ">4"    ">4"    "2<->4" "2<->4"
#> [10] ">4"    ">4"    ">4"    ">4"    ">4"    ">4"    ">4"    ">4"    "2<->4"
#> [19] "2<->4" "2<->4" "2<->4" ">4"    ">4"    ">4"    ">4"    "2<->4" "2<->4"
#> [28] "2<->4" ">4"    ">4"    ">4"    "2<->4"

Answer 2

这是ifelse的一个选项

f1 <- function(data, x){
       x <- enquo(x)       
       f2 <- function(y) ifelse(y <= 2, "<=2", ifelse(y <=4, "2<->4", ">4"))

  data %>%
          mutate( ABC = f2(UQ(x)))
 }

f1(mtcars, cyl) %>%
              head()
#   mpg cyl disp  hp drat    wt  qsec vs am gear carb   ABC
#1 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4    >4
#2 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4    >4
#3 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1 2<->4
#4 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1    >4
#5 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2    >4
#6 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1    >4