R 在筛选器中引用另一列的tidyeval_R_Dplyr_Rlang_Tidyeval

R 在筛选器中引用另一列的tidyeval

R 在筛选器中引用另一列的tidyeval,r,dplyr,rlang,tidyeval,R,Dplyr,Rlang,Tidyeval,我有一个tibble列foo，其中包含tibble中另一列的名称。我想根据foo中命名的列进行筛选： mtcars %>% mutate(foo = c(rep("carb", 16), rep("gear", 16))) %>% filter(!!sym(foo) == 4) #> Error in is_symbol(x): object 'foo' not found 它似乎在全球环境中寻找foo，因此我想我需要一种方法来指定foo应该在tibble的上下文中进

我有一个

tibble

列

foo

，其中包含tibble中另一列的名称。我想根据

foo

中命名的列进行筛选：

mtcars %>%
  mutate(foo = c(rep("carb", 16), rep("gear", 16))) %>%
  filter(!!sym(foo) == 4)
#> Error in is_symbol(x): object 'foo' not found

它似乎在全球环境中寻找

foo

，因此我想我需要一种方法来指定

foo

应该在tibble的上下文中进行评估

预期结果与运行时相同：

rbind(
  mtcars[1:16,] %>% mutate(foo = "carb") %>% filter(carb == 4),
  mtcars[17:32,] %>% mutate(foo = "gear") %>% filter(gear == 4)
)
#>     mpg cyl  disp  hp drat    wt  qsec vs am gear carb  foo
#> 1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 carb
#> 2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 carb
#> 3  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4 carb
#> 4  19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4 carb
#> 5  17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4 carb
#> 6  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4 carb
#> 7  10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4 carb
#> 8  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1 gear
#> 9  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2 gear
#> 10 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1 gear
#> 11 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1 gear
#> 12 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2 gear

如果“foo”已经是以“am”作为字符串的列，请选择“foo”的第一个元素，将其转换为

sym

bol，计算（

！！

）并过滤“am”值为1的行

library(dplyr)
library(rlang)
mtcars %>%
   mutate(foo = "am") %>%
   filter(!! sym(foo[1]) == 1)
#     mpg cyl  disp  hp drat    wt  qsec vs am gear carb foo
#1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4  am
#2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4  am
#3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1  am
#4  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1  am
#5  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2  am
#6  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1  am
#7  27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1  am
#8  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2  am
#9  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2  am
#10 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4  am
#11 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6  am
#12 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8  am
#13 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2  am

如果这每行都不同，那么一个有效的选项就是行/列索引

df1 <- mtcars %>%
           mutate(foo = c(rep("carb", 16), rep("gear", 16)))
i1 <- cbind(seq_len(nrow(df1)), match(df1$foo, names(df1)))
subset(df1, df1[-ncol(df1)][i1] == 4)
#    mpg cyl  disp  hp drat    wt  qsec vs am gear carb  foo
#1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 carb
#2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 carb
#7  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4 carb
#10 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4 carb
#11 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4 carb
#15 10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4 carb
#16 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4 carb
#18 32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1 gear
#19 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2 gear
#20 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1 gear
#26 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1 gear
#32 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2 gear

或者使用

过滤器中的行/列索引

df1 %>% 
      filter(.[cbind(row_number(), match(foo, names(.)))] == 4)

我会避免在这里进行整洁的评估，并用价值观来工作。首先创建包含来自

carb

和

gear

的相关值的向量

foo

，然后对其进行过滤：

mtcars %>%
  mutate(foo = c(carb[1:16], gear[1:16])) %>%
  filter(foo == 4)

如果值的来源是可变的：

df%
过滤器（从（df，cols）%1:3中组装）

通常

filter（）

表达式使用向量化谓词比较两列，该谓词逐行查看每个值。在本例中，我们有一列列名，用于确定每行要查看的列。我们可以使用

get（）

和

rowwise（）

解决这个问题

Tidyeval工具用于外部定义的列（例如，在函数参数中）。在这里，列是在数据框内定义的。这是不寻常的，因为数据框中定义的列名必然会逐行变化。在任何情况下，由于列是在数据框中定义的，
```
get（）
```
似乎是这里使用的最佳工具
因为我们有一个逐行的问题，所以我们需要将数据帧转换为按行的df。这样，
```
mutate（）
```
etc中的表达式将按行计算一次。请注意，
```
rowwise（）
```
模式有性能代价，因为它们不是矢量化的，所以应该限制在代码的一小部分

它是每一行都不同，还是以块的形式出现？它可能每一行都不同。@我对此表示怀疑，因为它还需要行索引，否则，它无法理解值应该是哪一行selected@lost如果需要更快的选项，请尝试

df1%>%filter（[cbind（row_number（），match（foo，names（））]==4）

Yes，@akrun关于行模糊性的观点解释了为什么语法

过滤器（！！sym（foo）==4）

不起作用。对于mtcars中的32行，您将告诉dplyr评估carb或gear中的32个条目是否等于4。我添加了一个矢量化的答案@akrun你的第一个例子不适合我。您的工作区中是否有对象

foo

？我想我们可以将矢量化问题陈述如下：表达式可能表示矢量化操作，但这里您构造了一个问题，需要创建尽可能多的行数的表达式，因为表达式取决于行值。很好，我已经添加了一个如何按行重建向量的示例。现在回到这里，是否仍然没有一种方法来评估列的名称？必须为此创建一个定制函数很不方便，并迫使我中断管道或使用

{}

来实现一个非常简单的操作。我再次阅读了这篇文章，但我对这个问题有点困惑。使用

filter（）

时，我们通常使用一个向量化谓词将两列一起比较，该谓词逐行比较所有值。这里有一列列名。那么每一行都应该与不同的列进行比较？这对我来说似乎是一个相当复杂的操作。我添加了一个新的答案，希望能更好地回答这个问题。

mtcars %>%
  mutate(foo = c(carb[1:16], gear[1:16])) %>%
  filter(foo == 4)

mtcars %>%
  mutate(foo = c(rep("carb", 16), rep("gear", 16))) %>%
  rowwise() %>%
  filter(get(foo) == 4)