将参数传递给使用 dplyr 的函数答案

【问题标题】：Passing parameters into function that uses dplyr将参数传递给使用 dplyr 的函数
【发布时间】：2017-10-23 12:29:47
【问题描述】：

我有以下函数来描述一个变量

library(dplyr)
describe = function(.data, variable){
  args <- as.list(match.call())
  evalue = eval(args$variable, .data)
  summarise(.data,
            'n'= length(evalue),
            'mean' = mean(evalue),
            'sd' = sd(evalue))
}

我想使用dplyr 来描述变量。

set.seed(1)
df = data.frame(
  'g' = sample(1:3, 100, replace=T),
  'x1' = rnorm(100),
  'x2' = rnorm(100)
)
df %>% describe(x1)
#     n        mean        sd
# 1 100 -0.01757949 0.9400179

问题是当我尝试使用函数group_by 应用相同的描述时，描述函数并未应用于每个组

df %>% group_by(g) %>% describe(x1)
# # A tibble: 3 x 4
#       g     n        mean        sd
#   <int> <int>       <dbl>     <dbl>
# 1     1   100 -0.01757949 0.9400179
# 2     2   100 -0.01757949 0.9400179
# 3     3   100 -0.01757949 0.9400179

您将如何更改函数以通过少量修改获得所需的内容？

【问题讨论】：

标签： r dplyr

【解决方案1】：

你需要 tidyeval：

describe = function(.data, variable){
  evalue = enquo(variable)
  summarise(.data,
            'n'= length(!!evalue),
            'mean' = mean(!!evalue),
            'sd' = sd(!!evalue))
}

df %>% group_by(g) %>% describe(x1)
# A tibble: 3 x 4
      g     n        mean        sd
  <int> <int>       <dbl>     <dbl>
1     1    27 -0.23852862 1.0597510
2     2    38  0.11327236 0.8470885
3     3    35  0.01079926 0.9351509

dplyr vignette 'Programming with dplyr' 对使用 enquo 和 !! 进行了详尽的描述

编辑：

针对 Axeman 的评论，我不是 100%为什么 group_by 和 describe 在这里不起作用。但是，使用 debugonce 和原始形式的功能

debugonce(describe)

df %>% group_by(g) %>% describe(x1)

可以看到evalue没有分组，只是一个长度为100的数值向量。

【讨论】：

这个答案可以通过解释为什么OP的版本不起作用来改进。
不错！我不知道enquo 功能。谢谢！
重新编辑：确切地说，OPs evalue 只是一个向量，与分组无关。 summarise 然后只是为每个组分配该向量的长度（等），因为该 evalue 的上下文在分组的 data.frame 之外。

【解决方案2】：

Base NSE 似乎也可以工作：

describe <- function(data, var){

  var_q <- substitute(var)
  data %>% 
    summarise(n = n(),
              mean = mean(eval(var_q)),
              sd = sd(eval(var_q)))
}


df %>% describe(x1) 

   n       mean       sd
1 100 -0.1266289 1.006795



df %>% group_by(g) %>% describe(x1)
# A tibble: 3 x 4
      g     n       mean       sd
  <int> <int>      <dbl>    <dbl>
1     1    33 -0.1379206 1.107412
2     2    29 -0.4869704 0.748735
3     3    38  0.1581745 1.020831

【讨论】：