取dplyr中字符串定义的变量的平均值

Question

---

看起来这应该很容易，但我很难过。我已经掌握了使用dplyr 0.7 进行编程的粗略窍门，但为此苦苦挣扎：如果我要编程的变量是字符串，我该如何在dplyr 中编程？

我正在抓取一个数据库，出于各种原因想总结一个我知道位置但不知道名称的变量（我想要的总是提供的表的第一列，但名称存储在该列中的变量将根据被抓取的数据库而有所不同）。以iris为例，假设我知道我想要的变量在第一列

library(tidyverse)
desired_var <- colnames(iris)[1]
print(desired_var)
"Sepal.Length"

我现在想按Species 分组，取desired_var 的平均值，即我想要执行的操作

iris %>% 
group_by(Species) %>% 
summarise(desired_mean = mean(Sepal.Length))

但是，现在我想取由存储在desired_var 中的字符串定义的列的平均值

我知道如何用“裸”Sepal.Length 做到这一点

desired_var <- quo(Sepal.Length)

iris %>% 
group_by(Species) %>% 
summarise(desired_mean = mean(!!desired_var))

但是我到底该如何处理我拥有 "Sepal.Length" 而不是 Sepal.Length 的事实，即 desired_var <- "Sepal.Length" 呢？

Answer 1

您想知道tidyeval 是tidyverse 的一个相当新的功能（参见here），更多用于使用tidyverse 函数创建函数。目前它仅适用于dplyr，但计划将其扩展到其他tidyverse 包。

不过，对于您的需要，您并不需要真正参与其中，summarize_at 就可以了。此函数允许您将指定的特定操作扩展到您选择的任何变量：

iris %>% 
  group_by(Species) %>% 
  summarise_at(vars(one_of("Sepal.Length", "Sepal.Width")), funs(desired_mean = mean))

# A tibble: 3 x 3
     Species Sepal.Length_desired_mean Sepal.Width_desired_mean
      <fctr>                     <dbl>                    <dbl>
1     setosa                     5.006                    3.428
2 versicolor                     5.936                    2.770
3  virginica                     6.588                    2.974

您可以将变量列表存储到一个向量中，然后改用该向量：

selected_vectors <- c("Sepal.Length", "Sepal.Width")
iris %>% 
  group_by(Species) %>% 
  summarise_at(vars(one_of(selected_vectors)), funs(desired_mean = mean))

Answer 2

1) 带有 !!sym 的动态变量 像这样使用sym（或parse_expr）：

library(dplyr)
library(rlang)

desired_var <- "Sepal.Length"

iris %>% 
  group_by(Species) %>% 
  summarise(desired_mean = mean(!!sym(desired_var))) %>%
  ungroup

给予：

# A tibble: 3 x 2
     Species desired_mean
      <fctr>        <dbl>
1     setosa        5.006
2 versicolor        5.936
3  virginica        6.588

2) summarise_at 正如@Phil 在summarise 特定情况下的cmets 中指出的那样，这可以在不使用任何rlang 工具的情况下完成：

library(dplyr)

desired_var <- "Sepal.Length"

iris %>% 
   group_by(Species) %>% 
   summarise_at(desired_var, funs(mean)) %>%
   ungroup

给予：

# A tibble: 3 x 2
     Species Sepal.Length
      <fctr>        <dbl>
1     setosa        5.006
2 versicolor        5.936
3  virginica        6.588

3) 动态变量和带有 !! 的名称 如果您需要在 (1) 中动态设置名称，请尝试以下操作：

library(dplyr)
library(rlang)

desired_var <- "Sepal.Length"

desired_var_name <- paste("mean", desired_var, sep = "_")

iris %>% 
  group_by(Species) %>% 
  summarise(!!desired_var_name := mean(!!sym(desired_var))) %>%
  ungroup

给予：

# A tibble: 3 x 2
     Species mean_Sepal.Length
      <fctr>             <dbl>
1     setosa             5.006
2 versicolor             5.936
3  virginica             6.588