如果 dplyr 的参数不为空，则使用函数参数有条件地添加管道答案

【问题标题】：Conditionally add pipe using function argument if argument is not null with dplyr如果 dplyr 的参数不为空，则使用函数参数有条件地添加管道
【发布时间】：2021-04-20 16:43:01
【问题描述】：

我有一个带有参数subset 的函数，其默认值为NULL。如果subset 是NULL 在函数内，我不想添加条件管道。否则，我想在管道中使用subset 的值：

library(tidyverse)

f <- function(subset = NULL){
  
  iris %>% 
    {if (is.null(substitute(subset))) . else filter(., {{ subset }} < 2.2)}
  
}

f() # gives error posted below
## Desired output: entire iris dataset

f(subset = Sepal.Width) # works
Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1            5           2          3.5           1 versicolor

但是，使用大括号时，{{ subset}} 在subset = NULL 时评估得太早，并试图过滤NULL < 2.2 的位置。 f() 返回以下错误：

错误：filter() 输入有问题 ..1。

x 输入 ..1 的大小必须是 150 或 1，而不是大小 0。

我输入..1 是NULL < 2.2。

【问题讨论】：

标签： r dplyr

【解决方案1】：

您应该在函数体中评估is.null(substitute(subset))，而不是在if 子句中。该子句的评估方式不同于父子句（由于%>% 堆栈管理）。

这行得通：

f <- function(subset = NULL){
  isnull <- is.null(substitute(subset))
  iris %>% 
    {if (isnull) . else filter(., {{ subset }} < 2.2)}
}

head( f() )
#   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1          5.1         3.5          1.4         0.2  setosa
# 2          4.9         3.0          1.4         0.2  setosa
# 3          4.7         3.2          1.3         0.2  setosa
# 4          4.6         3.1          1.5         0.2  setosa
# 5          5.0         3.6          1.4         0.2  setosa
# 6          5.4         3.9          1.7         0.4  setosa
f(subset = Sepal.Width)
#   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
# 1            5           2          3.5           1 versicolor

【讨论】：

（在发布之前我没有看到 akrun 的回答，不知道为什么，但这解决了你的第二个表达式。）

【解决方案2】：

这是一种在 error 与 tryCatch 发生时返回完整数据集的方法

f <- function(subset = NULL){

  tryCatch(  iris %>% 
    filter({{ subset }} < 2.2)
      , error = function(err) iris)
    

 }

-测试

dim(f())
#[1] 150   5

dim(f(subset = Sepal.Width))
#[1] 1 5

【讨论】：

+1 用于使用 python 的“请求宽恕”方法，不幸的是，R 对tryCatch(., error=) 的性能不如 python 对try: . except: 的性能好（不幸的是，它在 R 中明显慢得多）。

【解决方案3】：

我发现了一种可能不是最优雅的方法，但它的优点是相当清晰和直观。

首先，我将对象转换为字符串并与数据集中的变量进行比较。如果您输入的对象不存在，它将按原样返回数据。如果该列又在数据集中，它将使用 bang-bang 运算符 !! 结合 sym 将您的字符串转换为符号来过滤它。

希望对你有用。

library(dplyr)
f <- function(data, subset = NULL, value = 2.2) {
  subsetName = deparse(substitute(subset))

  if (!subsetName %in% names(data)) {return(data)}

  return(data %>% filter(!!sym(subsetName) < value))
}

【讨论】：