R dplyr方法在自己的函数中

考虑对数据帧的dplyr处理：

existing.df <- filter(existing.df, justanEx > 0) %>%
                arrange(desc(justanEx)) %>%
                mutate(mean = mean(justanEx), 
                median = median(justanEx),
                rank = seq_len(length(anotherVar)))

如果我尝试：

existing.df <- df.overZ(existing.df, realVar)

我已经试过过滤、排列和变异

但没什么值得去做的

这行吗

不过，以下功能可以工作：

make.df <- function(var, n){
        df <- orign.df %>% filter(!is.na(var)) %>%
                select(1:2,n,3:6)
        df
}

existing.df <- make.df("oneVar",7)

make.df%
选择（1:2，n，3:6）
df
}
existing.df使用
dplyr的devel版本（即将发布
0.6.0
），我们可以使用
quosure

library(dplyr)
df.overZ <- function(data, Var){
          Var <- enquo(Var)
         data %>%
               filter(UQ(Var) > 0) %>%
               arrange(desc(UQ(Var))) %>%
               mutate(Mean = mean(UQ(Var)),
                      Median = median(UQ(Var)),
                      rank = row_number())

 }

df.overZ(iris, Sepal.Length)

这里，
enquo
做的工作与
基R
中的
替换
类似，方法是获取输入参数并将其转换为
quosure
，然后在函数（
过滤/排列/变异/总结/分组
）中，我们取消引用（
或
UQ
）对其进行评估。我们还可以通过在赋值的左侧传递
quosure
（
：=
）
错误消息是什么？另外，请提供一些示例数据（
data.df的内容）。请使用
dput
显示一个小示例数据，并根据添加的错误消息显示预期输出。请注意，这必须适用于现有的data.frame，即任何data.frame。
existing.df <- df.overZ(existing.df, realVar)

Error in filter_impl(.data, dots) : obj 'realVar' not found

make.df <- function(var, n){
        df <- orign.df %>% filter(!is.na(var)) %>%
                select(1:2,n,3:6)
        df
}

existing.df <- make.df("oneVar",7)

library(dplyr)
df.overZ <- function(data, Var){
          Var <- enquo(Var)
         data %>%
               filter(UQ(Var) > 0) %>%
               arrange(desc(UQ(Var))) %>%
               mutate(Mean = mean(UQ(Var)),
                      Median = median(UQ(Var)),
                      rank = row_number())

 }

df.overZ(iris, Sepal.Length)

df.overZ2 <- function(data, Var, grpVar){
          Var <- enquo(Var)
          grpVar <- enquo(grpVar)
          newVar <- paste(quo_name(Var), c("Mean", "Median", "Rank"), sep="_")
         data %>%
               filter(UQ(Var) > 0) %>%
               arrange(desc(UQ(Var))) %>%
               group_by(UQ(grpVar)) %>%
               summarise(UQ(newVar[1]) := mean(UQ(Var)),
                      UQ(newVar[2]) := median(UQ(Var)),
                      UQ(newVar[3]) := n())

}

df.overZ2(iris, Sepal.Length, Species)
# A tibble: 3 × 4
#    Species Sepal.Length_Mean Sepal.Length_Median Sepal.Length_Rank
#      <fctr>             <dbl>               <dbl>             <int>
#1     setosa             5.006                 5.0                50
#2 versicolor             5.936                 5.9                50
#3  virginica             6.588                 6.5                50