使用Spark将函数中的多个列名传递给dplyr:：distinct（）

我想在将使用

dplyr:：distinct（）

的函数中指定未知数量的列名。我目前的尝试是：

myFunction <- function(table, id) {
  table %>%
    dplyr::distinct(.data[[id]])
}

接下来，我还有其他失败的尝试：

myFunction <- function(table, id) {
    table %>%
        dplyr::distinct(.dots = id)
}

myFunction(mtcars_tbl, id)
# Source: spark<?> [?? x 1]
  .dots           
  <list>          
1 <named list [2]>


#####


myFunction <- function(table, id) {
    table %>%
        dplyr::distinct_(id)
}

myFunction(mtcars_tbl, id)
Error in UseMethod("distinct_") : 
  no applicable method for 'distinct_' applied to an object of class "c('tbl_spark', 'tbl_sql', 'tbl_lazy', 'tbl')"

myFunction%
dplyr:：distinct（.dots=id）
}
myFunction（mtcars\u tbl，id）
#来源：火花[？x 1]
.圆点
1.
#####
myFunction%
dplyr:：distinct（id）
}
myFunction（mtcars\u tbl，id）
UseMethod中的错误（“不一致的”）：
没有适用于“c”类对象的“distinct”方法（“tbl\U spark”、“tbl\U sql”、“tbl\U lazy”、“tbl”）

Distinct一次应用于表的所有列。考虑一个示例表：

A     B
1     4
1     4
2     3
2     3
3     3
3     5

目前尚不清楚仅对A列应用distinct而不对B列应用distinct应该返回什么。下面的示例显然不是一个好的选择，因为它打破了a列和B列之间的关系。例如，原始数据集中没有（a=2，B=4）行

A     B
1     4
2     4
3     3
      3
      3
      5

因此，最好的方法是只选择您首先想要的列，然后使用distinct。更像是：

myFunction%
dplyr:：select（dplyr:：全部（id））%>%
dplyr:：distinct（）
}

分为两个步骤！但是，请注意，当

id=c（“cyl”、“gear”）

（或以其他方式包含多个数据变量名）时，错误为

error：必须使用字符串将数据代词子集。因此，我认为您无法使用当前代码（至少使用dplyr 1.0.6）实现我的“期望回报”。如果您将select语句更改为
dplyr:：select（dplyr:：all_of（id））
，我很乐意接受。谢谢，没问题。谢谢你的更正，我没有仔细测试我答案的那一部分。我使用的另一种方法是
select（！！！syms（id））
。这会将字符串转换为符号，但对于此应用程序而言，其清晰度不如
all\u
。
A     B
1     4
2     4
3     3
      3
      3
      5