R：动态引用和操作数据框中的变量答案

【问题标题】：R: Dynamically referencing and operating on variables in data frameR：动态引用和操作数据框中的变量
【发布时间】：2020-04-19 11:14:16
【问题描述】：

我正在尝试动态引用数据框中的向量并对其执行操作。我尝试了各种形式的eval、parse 等等，但它们要么返回我提供的字符串，要么抛出错误。有人有解决方案吗？正如我所建议的，在下面的伪代码中，解决方案大概是用其他一些函数替换 DO_SOMETHING()。

# Example data
mydat <- data.frame(x = rnorm(10))

# Function to add 5 to specified variable in a data frame
add5 <- function(data, var){
                 var_ref <- paste0("data$", var)
                 out <- DO_SOMETHING(var_ref) + 5
                 return out
        }

add5(mydat,x) // returns a numeric vector value of 5
class(add5(mydat,x)) // numeric

【问题讨论】：

标签： r string dataframe

【解决方案1】：

如果你想传递不带引号的列名，你可以使用deparse substitute like：

add5 <- function(data, var){
   out <- data[deparse(substitute(var))] + 5
   return(out)
}

add5(mydat,x)

使用 dplyr 和 curly-curly 的一些非标准评估我们可以做到：

library(dplyr)
library(rlang)

add5 <- function(data, var){
   data %>% mutate(out = {{var}} + 5)
}

add5(mydat, x)
#         x  out
#1   1.1604 6.16
#2   0.7002 5.70
#3   1.5868 6.59
#4   0.5585 5.56
#5  -1.2766 3.72
#6  -0.5733 4.43
#7  -1.2246 3.78
#8  -0.4734 4.53
#9  -0.6204 4.38
#10  0.0421 5.04

【讨论】：

第一个解决方案不适用于我的数据。在我更复杂的情况下，我的函数看起来像 function(data, t1, t2){ var
我不确定你是如何在你的函数中使用它的，但是根据你的输入，事情的表现会有所不同。如果您想传递不带引号的变量（如x）或带引号的变量（如“x”），则解决方案会有所不同。如果您将未引用的变量传递给基于名称的列的子集，则需要data[deparse(substitute(var))]，但如果您传递引用的变量，则不需要deparse 和substitute。可以直接data[var].

【解决方案2】：

使用data.table，取消引用参数名称很容易。如果您开始使用变量名编写函数，我建议您使用data.table（参见a blog post I wrote on the subject）。

对于一个变量，您将使用get 取消引用变量名

library(data.table)

data <- data.table(x = rnorm(10))
myvar <- "x"
data[, out := get(myvar) + 5]

data
              x      out
 1: -0.30229987 4.697700
 2:  0.51658585 5.516586
 3:  0.12180432 5.121804
 4:  1.53438805 6.534388
 5:  0.06213513 5.062135
 6:  0.17935070 5.179351
 7:  0.70002065 5.700021
 8:  0.12067590 5.120676
 9: -0.41002931 4.589971
10:  0.45385072 5.453851

请注意，我不需要重新分配结果，因为 := 通过引用更新。

如果有多个变量，您将使用.SD + lapply。此语法意味着在 数据子集 (.SD) 上应用某些内容。 .SDcols 参数用于控制数据子集中考虑的列。

这是一种非常通用的方法，适用于许多情况。

data <- data.table(x = rnorm(10), y = rnorm(10))
data[, c('out1','out2') := lapply(.SD, function(x) return(x + 5)), .SDcols = c("x","y")]
data
              x          y     out1     out2
 1:  0.91187875 -0.2010539 5.911879 4.798946
 2: -0.70906903  0.2074829 4.290931 5.207483
 3: -0.52517961  0.2027444 4.474820 5.202744
 4:  0.09967933 -1.2315601 5.099679 3.768440
 5: -0.40392510 -0.1777705 4.596075 4.822229
 6:  0.65891623  0.2394889 5.658916 5.239489
 7:  0.76275090  1.5695957 5.762751 6.569596
 8: -0.52395704 -0.7083462 4.476043 4.291654
 9:  0.52728890 -1.1308284 5.527289 3.869172
10: -1.00418691 -0.5569468 3.995813 4.443053

我可以将这种方法用于一列 (.SDcols = 'x')。

【讨论】：