如何在dplyr 0.7中参数化函数调用?
dplyr 0.7的发行版包括一系列使用dplyr编程的功能。我仔细阅读了本文档,并试图了解它将如何影响我对dplyr的使用 以下是我在使用dplyr构建报告和聚合函数时使用的常用习惯用法:如何在dplyr 0.7中参数化函数调用?,r,dplyr,rlang,R,Dplyr,Rlang,dplyr 0.7的发行版包括一系列使用dplyr编程的功能。我仔细阅读了本文档,并试图了解它将如何影响我对dplyr的使用 以下是我在使用dplyr构建报告和聚合函数时使用的常用习惯用法: my_report <- function(data, grouping_vars) { data %>% group_by_(.dots=grouping_vars) %>% summarize(x_mean=mean(x), x_median=median(x),
my_report <- function(data, grouping_vars) {
data %>%
group_by_(.dots=grouping_vars) %>%
summarize(x_mean=mean(x), x_median=median(x), ...)
}
如果您想按可能不止一列进行分组,可以使用
quos
grouping_vars <- quos(am, gear)
mtcars %>%
group_by(!!!grouping_vars) %>%
summarise(mean_cyl=mean(cyl))
# am gear mean_cyl
# <dbl> <dbl> <dbl>
# 1 0 3 7.466667
# 2 0 4 5.000000
# 3 1 4 4.500000
# 4 1 5 6.000000
分组变量%
分组依据(!!!分组变量)%>%
总结(平均值=平均值)
#am档位平均值
#
# 1 0 3 7.466667
# 2 0 4 5.000000
# 3 1 4 4.500000
# 4 1 5 6.000000
现在,似乎没有一个很好的方法把弦变成曲子。但有一种方法确实有效
cols <- c("am","gear")
grouping_vars <- rlang::parse_quosures(paste(cols, collapse=";"))
mtcars %>%
group_by(!!!grouping_vars) %>%
summarise(mean_cyl=mean(cyl))
# am gear mean_cyl
# <dbl> <dbl> <dbl>
# 1 0 3 7.466667
# 2 0 4 5.000000
# 3 1 4 4.500000
# 4 1 5 6.000000
cols%
总结(平均值=平均值)
#am档位平均值
#
# 1 0 3 7.466667
# 2 0 4 5.000000
# 3 1 4 4.500000
# 4 1 5 6.000000
dplyr
将在处有一个专门的group by functiongroup by,用于处理多个分组变量。在
系列中使用\u的新成员会容易得多:
# using the pre-release 0.6.0
cols <- c("am","gear")
mtcars %>%
group_by_at(.vars = cols) %>%
summarise(mean_cyl=mean(cyl))
# Source: local data frame [4 x 3]
# Groups: am [?]
#
# am gear mean_cyl
# <dbl> <dbl> <dbl>
# 1 0 3 7.466667
# 2 0 4 5.000000
# 3 1 4 4.500000
# 4 1 5 6.000000
#使用预发行版0.6.0
科尔斯%
分组单位:(.vars=cols)%>%
总结(平均值=平均值)
#来源:本地数据帧[4 x 3]
#组:am[?]
#
#am档位平均值
#
# 1 0 3 7.466667
# 2 0 4 5.000000
# 3 1 4 4.500000
# 4 1 5 6.000000
.vars
参数接受由vars
生成的字符/数字向量或列名:
瓦尔斯先生
由vars()生成的列列表,或
列名,或列位置的数字向量
这是我为自己写的快速而肮脏的参考资料
# install.packages("rlang")
library(tidyverse)
dat <- data.frame(cat = sample(LETTERS[1:2], 50, replace = TRUE),
cat2 = sample(LETTERS[3:4], 50, replace = TRUE),
value = rnorm(50))
如果您使用代码>或
在dplyr
函数之外,您将得到一个错误
在函数内部,rlang::sym
和rlang::syms
的用法是相同的
summarize_by <- function(df, summ_var, group_vars) {
summ_sym <- rlang::sym(summ_var)
group_syms <- rlang::syms(group_vars)
df %>%
group_by(!!!group_syms) %>%
summarize(summ = sum(!!summ_sym))
}
对列/变量名使用非标准求值
然后我们的函数调用是
summarize_by(dat, value, cat, cat2)
如果您提供了可用于测试可能的解决方案的示例输入数据,则更容易提供帮助。@MrFlick我刚刚尝试设置了一个示例,但在这个过程中,我发现我甚至无法让基于quosure的示例工作。所以我提交了一个github问题,得到了回复并相应地更新了我的帖子。@joran在我这方面,你没有rlang::parse_quosures
的版本会生成一个只有am
,而不是am
和gear
的groupby。这对你来说有什么不同吗?@Paul或我只是希望rlang::parse_quosures
可以采用一个合适的向量,而不必折叠。如果没有一个好的便利功能,我会感到惊讶forthcoming@Paul事实上,当我在思考这个问题时,我只是在想,这个新方法似乎非常适合编写以裸列名为参数的函数。奇怪的是,我更关注于编写交互式函数,而不是一般的函数。我喜欢旧的dplyr函数,因为它们将NSE版本转换为SE版本,这更易于使用/编程。这个新版本似乎完全是非标准的疯狂。@Paul我对我的答案非常恼火,所以我也这么做了:切换我的复选标记,因为这看起来将是前进的标准方式。
summarize_by <- function(df, summ_var, group_vars) {
summ_sym <- rlang::sym(summ_var)
group_syms <- rlang::syms(group_vars)
df %>%
group_by(!!!group_syms) %>%
summarize(summ = sum(!!summ_sym))
}
summarize_by(dat, "value", c("cat", "cat2"))
summ_quo <- quo(value) # capture a single variable for NSE
group_quos <- quos(cat, cat2) # capture list of variables for NSE
dat %>%
group_by(!!!group_quos) %>% # use !!! with both quos and rlang::syms
summarize(summ = sum(!!summ_quo)) # use !! both quo and rlang::sym
summarize_by <- function(df, summ_var, ...) {
summ_quo <- enquo(summ_var) # can only capture a single value!
group_quos <- quos(...) # captures multiple values, also inside functions!?
df %>%
group_by(!!!group_quos) %>%
summarize(summ = sum(!!summ_quo))
}
summarize_by(dat, value, cat, cat2)