R 函数中的 dplyr::summarise() 因“参数不是数字或逻辑”错误而失败答案

【问题标题】：dplyr::summarise() in an R function fails with "argument not numeric or logical" errorR 函数中的 dplyr::summarise() 因“参数不是数字或逻辑”错误而失败
【发布时间】：2020-08-06 02:45:06
【问题描述】：

我对 R 比较陌生，我正在尝试编写我的第一个多步函数。本质上，我想创建一个函数，该函数接受一个目录并在该目录中搜索以找到某个列（在本例中为污染物）。然后找到该列的平均值并删除 NA。这是我目前所拥有的：

pollutantmean <- function(directory , pollutant , min_id = 1, max_id = 332) {

setwd(directory)

dirdata <- list.files(path=getwd() , pattern='*.csv' , full.names = TRUE) %>% lapply(read_csv) %>% bind_rows

specdata <- dirdata %>% filter(between(ID,min_id,max_id))

polspecdata <- specdata %>% select(pollutant)

polspecdatamean <- polspecdata %>% summarize(mean_pollutant=mean(pollutant,na.rm=TRUE))
}

我觉得我很接近，但结果是错误：警告消息：在mean.default（污染，na.rm = TRUE）：参数不是数字或逻辑：返回NA。我相信错误是由于列类是 col_double。这可能是由于 dirdata 是从多个 csv 文件创建的。任何帮助将不胜感激。谢谢！

这是数据：zipfile_data

【问题讨论】：

嗨，M Doster，欢迎来到 SO。你能举个例子pollutant的样子吗？
这是目录中 csv 文件的示例： head(csv1) # A tibble: 6 x 4 Date 硫酸盐硝酸盐 ID 1 2003-01 -01 NA NA 1 2 2003-01-02 NA NA 1 3 2003-01-03 NA NA 1 4 2003-01-04 NA NA 1 5 2003-01-05 NA NA 1 6 2003-01-06 NA NA 1
尝试将mean应用于数字或逻辑列，即mean(pollutant$sulfate,na.rm=TRUE)或$nitrate。
错误 "invalid for atomic vectors" 可能来自 $ 运算符，这意味着您正在尝试从不是 @987654329 的东西中获取帧列@（你说的是“性格”吗？）。老实说，M Doster，无论什么课程都使用pollutant，而且这个结构已经循环了很多次（每年），如果你在 SO 上搜索[r] pollutant，你会发现很多其他的都有可行的解决方案。不要复制，始终为课堂做自己的工作，但已知的工作示例可能非常有用。
@r2evans - 超过 400 万人在 Coursera 上参加了约翰霍普金斯大学的 R 编程 课程，因此在 SO 上有数千个关于 pollutantmean() 的问题也就不足为奇了。也就是说，可能很少有人对dplyr 非标准评估有问题，因为dplyr 直到JHU 课程R Programming 之后的课程才引入。

标签： r function dataframe dplyr mean

【解决方案1】：

原帖中的代码失败了，因为它在函数中使用了dplyr，但没有使用dplyrquoting functions。当我们通过 RStudio 调试器运行代码并在第 7 行停止时，我们会看到以下内容：

dplyr 没有按预期呈现mean(pollutant, na.rm = TRUE) 中的函数参数，因此第 9 行失败。 mean() 函数失败，因为 pollutant 参数呈现为文本字符串，而不是 polspecdata 数据框中的列。

修复错误的一种方法是调整第 9 行以显式引用通过 %>% 管道运算符从先前函数传递的数据帧，使用提取运算符的 [[ 形式来使用字符串版本的论据。

polspecdatamean <- polspecdata %>% summarize(mean_pollutant=mean(.data[[pollutant]],na.rm=TRUE))

最后，由于函数应该将平均值返回给父环境，我们在函数末尾添加了第 9 行创建的对象的打印。

polspecdatamean

由于这是 Coursera 上约翰霍普金斯大学 R 编程 课程的编程作业，因此我不会发布完整的答案，因为这违反了 Coursera 荣誉准则。

简化解决方案

在第 5 行过滤数据后，函数可以简单地返回平均值，如下所示。

mean(specdata[[pollutant]],na.rm=TRUE)

结论

对于这个特定的作业，使用 dplyr 会使作业变得比实际需要的难度更大，因为 dplyr 使用非标准评估，而 dplyr 甚至没有包含在 JHU 课程中，直到序列中的第三门课程。

该代码还有一些其他细微的缺陷，我们将把它们的更正留给读者作为练习。例如，给定分配要求，该函数应该能够处理以下输入：

pollutantmean("specdata","sulfate",23) # calc mean for sensor 23
pollutantmean("specdata","nitrate",70:72) # calc mean for sensors 70 - 72 
pollutantmean("specdata","sulfate",c(3,5,7,9)) # calc mean for sensors 3, 5, 7, and 9

【讨论】：

非常感谢！几天来，我在尝试编写此代码时感到沮丧。至于 dplyr，coursera 课程并不是我学习过的唯一 R 编码课程，并且一直在使用多个课程的笔记来寻找要使用的功能。我需要用 [[ 查看更多示例，以便我希望将来更好地使用它们。再次感谢！
@MDoster - 感谢您的反馈。关于提取运算符[[ 形式的信息在我的文章Forms of the Extract Operator 中。祝 R 编程 课程的其余部分好运！
对运算符的解释比讲座好得多。感谢您提供该资源。

【解决方案2】：

假设您将 pollutant 变量作为字符串传递，请尝试使用以下函数。

library(tidyverse)

pollutantmean <- function(directory , pollutant , min_id = 1, max_id = 332) {

  dirdata <- list.files(path=directory, pattern='*.csv' , full.names = TRUE) %>% 
                  map_df(read_csv)
   dirdata %>% 
      filter(between(ID,min_id,max_id)) %>%
      summarise(mean_pollutant= mean(!!sym(pollutant),na.rm=TRUE))
}

所以你可以称它为

pollutantmean('/path', 'sulfate', 1, 10)

使用!!sym 我们将sulfate 评估为列而不是字符串。

【讨论】：