R 将数据帧的列传递给内部函数_R_Tidyeval_Non Standard Evaluation

R 将数据帧的列传递给内部函数

R 将数据帧的列传递给内部函数,r,tidyeval,non-standard-evaluation,R,Tidyeval,Non Standard Evaluation,我希望将列中的管道插入到一个函数中，该函数使用自定义内部函数执行purr:：imap_dfr 我的目标是df%>%diffmean（df，group，col1，col2）将运行t.test（col1~group，.data=df）和t.test（col2~group，.data=df） ttests <- function(df, group, ...) { group <- rlang::ensym(group) vars <- rlang::ensyms(...)

我希望将列中的管道插入到一个函数中，该函数使用自定义内部函数执行

purr:：imap_dfr

我的目标是

df%>%diffmean（df，group，col1，col2）

将运行

t.test（col1~group，.data=df）

和

t.test（col2~group，.data=df

）

ttests <- function(df, group, ...) {
  group <- rlang::ensym(group)
  vars <- rlang::ensyms(...)

  df %>%
    dplyr::select(c(!!!vars)) %>%
    purrr::imap_dfr(function(.x, .y) {
      broom::tidy(t.test(.x ~ !!group)) %>%
      dplyr::mutate(name = .y) %>%
      dplyr::select(name, dplyr::everything())
  })
}

产生：

  name   estimate estimate1 estimate2 statistic    p.value parameter   conf.low conf.high method                  alternative
  <chr>     <dbl>     <dbl>     <dbl>     <dbl>      <dbl>     <dbl>      <dbl>     <dbl> <chr>                   <chr>      
1 depth    -0.247     61.5      61.8      -4.86 0.00000143      808.    -0.347     -0.147 Welch Two Sample t-test two.sided  
2 table     0.263     57.7      57.5       3.13 0.00183         805.     0.0977     0.427 Welch Two Sample t-test two.sided  
3 price -3477.       506.     3983.     -197.   0             51886. -3512.     -3443.    Welch Two Sample t-test two.sided  
4 x        -1.77       3.99      5.76   -299.   0              6451.    -1.78      -1.76  Welch Two Sample t-test two.sided  
5 y        -1.75       4.01      5.76   -290.   0              6529.    -1.76      -1.73  Welch Two Sample t-test two.sided  
6 z        -1.10       2.46      3.55   -294.   0              6502.    -1.10      -1.09  Welch Two Sample t-test two.sided

name estimate1 estimate2统计p.value参数conf.low conf.high方法备选方案
1深度-0.247 61.5 61.8-4.86 0.00000143 808。-0.347-0.147韦尔奇双面双样本t检验
表0.263 57.7 57.5 3.13 0.00183 805.0.0977 0.427韦尔奇双样本t检验双侧
3价格-3477.506.3983.-197.0 51886.-3512.-3443.韦尔奇双样本t检验双面
4X-1.773.995.76-299.06451-1.78-1.76韦尔奇双面双样本t检验
5Y-1.754.015.76-290.06529-1.76-1.73韦尔奇双样本t检验双侧
6 z-1.10 2.46 3.55-294.0 6502。-1.10-1.09韦尔奇双面双样本t检验

基本R

t.test

命令并非真正设计用于

rlang

样式的styntax，因此您需要对公式进行一些修改。这应该可以工作

ttests <- function(df, group, ...) {
  group <- rlang::ensym(group)
  vars <- rlang::ensyms(...)
  
  df %>%
    dplyr::select(c(!!!vars)) %>%
    purrr::imap_dfr(function(.x, .y) {
      rlang::eval_tidy(rlang::quo(t.test(!!rlang::sym(.y) ~ !!group, df))) %>% 
        broom::tidy() %>%
        dplyr::mutate(name = .y) %>%
        dplyr::select(name, dplyr::everything())
    })
}

基本的R

t.test

命令并不是真正设计用于

rlang

样式的styntax，因此您需要对公式进行一些修改。这应该可以工作

ttests <- function(df, group, ...) {
  group <- rlang::ensym(group)
  vars <- rlang::ensyms(...)
  
  df %>%
    dplyr::select(c(!!!vars)) %>%
    purrr::imap_dfr(function(.x, .y) {
      rlang::eval_tidy(rlang::quo(t.test(!!rlang::sym(.y) ~ !!group, df))) %>% 
        broom::tidy() %>%
        dplyr::mutate(name = .y) %>%
        dplyr::select(name, dplyr::everything())
    })
}

还可以选择转换为“长”格式，然后在执行

nest\u by

library(dplyr)
library(tidyr)

ttests <- function(df, group, ...) {
   grp <- rlang::as_name(ensym(group))
   df %>%
       dplyr::select(!!! enquos(...), grp) %>%
        pivot_longer(cols = -grp) %>%
        nest_by(name) %>%
        transmute(name, 
         new = list(broom::tidy(t.test(reformulate(grp, response = 'value'), data)))) %>%
        unnest_wider(c(new))
  }
  

ttests(diamonds, carat, depth, table, price, x, y, z)
# A tibble: 6 x 11
#  name   estimate estimate1 estimate2 statistic    p.value parameter   conf.low conf.high method                  alternative
#  <chr>     <dbl>     <dbl>     <dbl>     <dbl>      <dbl>     <dbl>      <dbl>     <dbl> <chr>                   <chr>      
#1 depth    -0.247     61.5      61.8      -4.86 0.00000143      808.    -0.347     -0.147 Welch Two Sample t-test two.sided  
#2 price -3477.       506.     3983.     -197.   0             51886. -3512.     -3443.    Welch Two Sample t-test two.sided  
#3 table     0.263     57.7      57.5       3.13 0.00183         805.     0.0977     0.427 Welch Two Sample t-test two.sided  
#4 x        -1.77       3.99      5.76   -299.   0              6451.    -1.78      -1.76  Welch Two Sample t-test two.sided  
#5 y        -1.75       4.01      5.76   -290.   0              6529.    -1.76      -1.73  Welch Two Sample t-test two.sided  
#6 z        -1.10       2.46      3.55   -294.   0              6502.    -1.10      -1.09  Welch Two Sample t-test two.sided

库（dplyr）
图书馆（tidyr）
ttests%
枢轴长度（cols=-grp）%>%
嵌套单位（名称）%>%
蜕变，
新建=列表（扫帚：：整洁（t.test（重新格式化（grp，响应='value'），数据）））%>%
unnest_加宽（c（新））
}
测试（钻石、克拉、深度、表、价格、x、y、z）
#一个tibble:6x11
#名称估计估计1估计2统计p.value参数conf.low conf.high方法备选方案
#                                                                      
#1深度-0.247 61.5 61.8-4.86 0.00000143 808。-0.347-0.147韦尔奇双面双样本t检验
#2价格-3477.506.3983.-197.0 51886.-3512.-3443.韦尔奇双样本t检验双面
#表0.263 57.7 57.5 3.13 0.00183 805.0.0977 0.427 Welch双面双样本t检验
#4X-1.773.995.76-299.06451-1.78-1.76韦尔奇双面双样本t检验
#5Y-1.754.015.76-290.06529-1.76-1.73韦尔奇双样本t检验双侧
#6 z-1.10 2.46 3.55-294.0 6502。-1.10-1.09韦尔奇双面双样本t检验

另一个选项是转换为“长”格式，然后在执行

嵌套操作后应用公式
library(dplyr)
library(tidyr)

ttests <- function(df, group, ...) {
   grp <- rlang::as_name(ensym(group))
   df %>%
       dplyr::select(!!! enquos(...), grp) %>%
        pivot_longer(cols = -grp) %>%
        nest_by(name) %>%
        transmute(name, 
         new = list(broom::tidy(t.test(reformulate(grp, response = 'value'), data)))) %>%
        unnest_wider(c(new))
  }
  

ttests(diamonds, carat, depth, table, price, x, y, z)
# A tibble: 6 x 11
#  name   estimate estimate1 estimate2 statistic    p.value parameter   conf.low conf.high method                  alternative
#  <chr>     <dbl>     <dbl>     <dbl>     <dbl>      <dbl>     <dbl>      <dbl>     <dbl> <chr>                   <chr>      
#1 depth    -0.247     61.5      61.8      -4.86 0.00000143      808.    -0.347     -0.147 Welch Two Sample t-test two.sided  
#2 price -3477.       506.     3983.     -197.   0             51886. -3512.     -3443.    Welch Two Sample t-test two.sided  
#3 table     0.263     57.7      57.5       3.13 0.00183         805.     0.0977     0.427 Welch Two Sample t-test two.sided  
#4 x        -1.77       3.99      5.76   -299.   0              6451.    -1.78      -1.76  Welch Two Sample t-test two.sided  
#5 y        -1.75       4.01      5.76   -290.   0              6529.    -1.76      -1.73  Welch Two Sample t-test two.sided  
#6 z        -1.10       2.46      3.55   -294.   0              6502.    -1.10      -1.09  Welch Two Sample t-test two.sided  

库（dplyr）
图书馆（tidyr）
ttests%
枢轴长度（cols=-grp）%>%
嵌套单位（名称）%>%
蜕变，
新建=列表（扫帚：：整洁（t.test（重新格式化（grp，响应='value'），数据）））%>%
unnest_加宽（c（新））
}
测试（钻石、克拉、深度、表、价格、x、y、z）
#一个tibble:6x11
#名称估计估计1估计2统计p.value参数conf.low conf.high方法备选方案
#                                                                      
#1深度-0.247 61.5 61.8-4.86 0.00000143 808。-0.347-0.147韦尔奇双面双样本t检验
#2价格-3477.506.3983.-197.0 51886.-3512.-3443.韦尔奇双样本t检验双面
#表0.263 57.7 57.5 3.13 0.00183 805.0.0977 0.427 Welch双面双样本t检验
#4X-1.773.995.76-299.06451-1.78-1.76韦尔奇双面双样本t检验
#5Y-1.754.015.76-290.06529-1.76-1.73韦尔奇双样本t检验双侧
#6 z-1.10 2.46 3.55-294.0 6502。-1.10-1.09韦尔奇双面双样本t检验
这太好了，谢谢！我还想检查group
是否是逻辑向量-rlang:：eval_tidy（rlang:：quo（is.logical（df$！！group）））
不起作用，因为它不喜欢df$！！group
。有什么简单的方法来评估它吗？抱歉，仍然在与NSE斗争-试图同时阅读Hadley在Advanced R中的章节。只需使用dplyr:：pull（）
动词：is.logical（df%>%pull（！！group））就更容易了
这太好了，谢谢！我还想检查group
是否是逻辑向量-rlang:：eval_tidy（rlang:：quo（is.logical（df$！！group）））
不起作用，因为它不喜欢df$！！group
。有什么简单的方法来评估这个问题吗？对不起，仍然在为NSE而挣扎-试图同时阅读Hadley在Advanced R中的章节。只需使用dplyr:：pull（）
动词：is.logical（df%>%pull（！！group））