Tidyeval：将列列表作为 quosure 传递给 select()

Question

我想在mutate() 中将一堆列传递给pmap()。稍后，我想选择那些相同的列。

目前，我将列名列表作为 quosure 传递给 pmap()，虽然我不知道这是否是“正确”的做法。但我不知道如何为select() 使用相同的 quosure/list。

我几乎没有使用 tidyeval 的经验，我只是玩弄了这么多。我想一定有一种方法可以对pmap() 和select() 使用相同的东西，最好不必将我的每个列名放在引号中，但我还没有找到它。

library(dplyr)
library(rlang)
library(purrr)

df <- tibble(a = 1:3,
             b = 101:103) %>% 
    print
#> # A tibble: 3 x 2
#>       a     b
#>   <int> <int>
#> 1     1   101
#> 2     2   102
#> 3     3   103

cols_quo <- quo(list(a, b))

df2 <- df %>% 
    mutate(outcome = !!cols_quo %>% 
               pmap_int(function(..., word) {
                   args <- list(...)

                   # just to be clear this isn't what I actually want to do inside pmap
                   return(args[[1]] + args[[2]])
               })) %>% 
    print()
#> # A tibble: 3 x 3
#>       a     b outcome
#>   <int> <int>   <int>
#> 1     1   101     102
#> 2     2   102     104
#> 3     3   103     106

# I get why this doesn't work, but I don't know how to do something like this that does
df2 %>% 
    select(!!cols_quo)
#> Error in .f(.x[[i]], ...): object 'a' not found

Answer 1

这有点棘手，因为这个问题涉及多种语义。 pmap() 接受一个列表并将每个元素作为其自己的参数传递给一个函数（在这个意义上它相当于!!!）。因此，您的引用函数需要引用其参数并以某种方式将列列表传递给pmap()。

我们的报价功能可以采用以下两种方式之一。要么引用（即延迟）列表创建，要么立即创建引用表达式的实际列表：

quoting_fn1 <- function(...) {
  exprs <- enquos(...)

  # For illustration purposes, return the quoted inputs instead of
  # doing something with them. Normally you'd call `mutate()` here:
  exprs
}

quoting_fn2 <- function(...) {
  expr <- quo(list(!!!enquos(...)))

  expr
}

由于我们的第一个变体只返回一个引用输入列表，它实际上等价于quos()：

quoting_fn1(a, b)
#> <list_of<quosure>>
#>
#> [[1]]
#> <quosure>
#> expr: ^a
#> env:  global
#>
#> [[2]]
#> <quosure>
#> expr: ^b
#> env:  global

第二个版本返回一个带引号的表达式，指示 R 创建一个带有引号输入的列表：

quoting_fn2(a, b)
#> <quosure>
#> expr: ^list(^a, ^b)
#> env:  0x7fdb69d9bd20

两者之间有一个微妙但重要的区别。第一个版本创建一个实际的列表对象：

exprs <- quoting_fn1(a, b)
typeof(exprs)
#> [1] "list"

另一方面，第二个版本不返回列表，它返回一个用于创建列表的表达式：

expr <- quoting_fn2(a, b)
typeof(expr)
#> [1] "language"

让我们找出哪个版本更适合与pmap() 交互。但首先我们要为 pmapped 函数命名，以使代码更清晰、更易于试验：

myfunction <- function(..., word) {
  args <- list(...)
  # just to be clear this isn't what I actually want to do inside pmap
  args[[1]] + args[[2]]
}

理解 tidy eval 的工作原理很难，部分原因是我们通常不会观察取消引用的步骤。我们将使用rlang::qq_show() 显示取消引用expr（延迟列表）和exprs（实际列表）与!! 的结果：

rlang::qq_show(
  mutate(df, outcome = pmap_int(!!expr, myfunction))
)
#> mutate(df, outcome = pmap_int(^list(^a, ^b), myfunction))

rlang::qq_show(
  mutate(df, outcome = pmap_int(!!exprs, myfunction))
)
#> mutate(df, outcome = pmap_int(<S3: quosures>, myfunction))

当我们取消引用延迟列表时，mutate() 用list(a, b) 调用pmap_int()，在数据框中进行评估，这正是我们需要的：

mutate(df, outcome = pmap_int(!!expr, myfunction))
#> # A tibble: 3 x 3
#>       a     b outcome
#>   <int> <int>   <int>
#> 1     1   101     102
#> 2     2   102     104
#> 3     3   103     106

另一方面，如果我们取消引用一个实际的引用表达式列表，我们会得到一个错误：

mutate(df, outcome = pmap_int(!!exprs, myfunction))
#> Error in mutate_impl(.data, dots) :
#>   Evaluation error: Element 1 is not a vector (language).

这是因为列表中引用的表达式未在数据框中进行评估。事实上，它们根本没有被评估。 pmap() 按原样获取引用的表达式，它不理解。回想一下qq_show() 向我们展示的内容：

#> mutate(df, outcome = pmap_int(<S3: quosures>, myfunction))

尖括号内的任何内容都按原样传递。这表明我们应该以某种方式使用!!! 来内联周围表达式中引用列表的每个元素。让我们试试吧：

rlang::qq_show(
  mutate(df, outcome = pmap_int(!!!exprs, myfunction))
)
#> mutate(df, outcome = pmap_int(^a, ^b, myfunction))

嗯...看起来不太对劲。我们应该将一个列表传递给pmap_int()，在这里它将每个引用的输入作为单独的参数获取。事实上，我们得到了一个类型错误：

mutate(df, outcome = pmap_int(!!!exprs, myfunction))
#> Error in mutate_impl(.data, dots) :
#>   Evaluation error: `.x` is not a list (integer).

这很容易解决，只需调用list()：

rlang::qq_show(
  mutate(df, outcome = pmap_int(list(!!!exprs), myfunction))
)
#> mutate(df, outcome = pmap_int(list(^a, ^b), myfunction))

瞧！

mutate(df, outcome = pmap_int(list(!!!exprs), myfunction))
#> # A tibble: 3 x 3
#>       a     b outcome
#>   <int> <int>   <int>
#> 1     1   101     102
#> 2     2   102     104
#> 3     3   103     106

Answer 2

当有多个元素时，我们可以使用quos，并使用!!!进行评估

cols_quo <- quos(a, b)
df2 %>%
    select(!!!cols_quo)

对象'df2'可以用

创建

df %>%
    mutate(output = list(!!! cols_quo) %>% 
        reduce(`+`))

---

如果我们想在 OP 的帖子中使用 quosure

cols_quo <- quo(list(a, b))
df2 %>%
    select(!!! as.list(quo_expr(cols_quo))[-1])
# A tibble: 3 x 2
#      a     b
#  <int> <int>
#1     1   101
#2     2   102
#3     3   103