R 在函数中获取过滤器以使用整洁的评估

我尝试使用dplyr根据动态变量进行过滤

我发现要使过滤器工作，我需要将变量名括在括号中。但是，如果我将其编程为函数，它将无法正常工作

df_ex <- data.frame(a = 1:10, b = 11:20)

param <- quo(a)

# returns df_ex with column a, only, as expected
df_ex %>%
dplyr::select(!!param)

# returns expected df
df_ex %>%
dplyr::filter((!!param)==5)

# Now for the function
testfun <- function(test_df, filt_var){
   filt_var_mod <- quo(filt_var)

   test_df %>%
    dplyr::filter((!!filt_var_mod)==5)
}

# returns empty df, not as expected
testfun(df_ex, "a")

df_ex%
dplyr:：过滤器（！！参数）==5）
#现在开始函数
testfun如果您的函数接受列名作为字符，则无需引用它，另一方面，您需要将其转换为符号，并立即使用
UQ
或
在
filter
函数中对其求值在
nse
语法中：

testfun <- function(test_df, filt_var){
    test_df %>%
        dplyr::filter((!!rlang::sym(filt_var)) == 5)
}

testfun(df_ex, "a")
#  a  b
#1 5 15

从技术上讲，对于此类问题，您不需要rlang、tidyeval、tibbles或dplyr，base R实际上不需要使用quote、eval、parse和其他自下而上的NSE工具

编辑：@thelatemail提出了更优雅的解决方案

为了好玩，data.table选项也可以：

library(data.table)

df_ex <- data.frame(a = 1:10, b = 11:20)

testfun <- function(test_df, filt_var) {
  setDT(test_df,key = filt_var)[.(5)]
}

testfun(df_ex, "a")

有时，在生成简单函数时，可以使用作用域版本谓词代替tideval

例如，如果要在函数中以字符串形式传递名称，则可以选择
filter\u at

下面是将变量作为字符串使用时在
处使用
filter_的情况。传递要筛选的变量，然后在
all\u vars
或
any\u vars
中提供谓词函数。使用单个变量进行过滤时，使用哪一个变量并不重要

filter_at(df_ex, "a", all_vars(. == 5) )

 a  b
1 5 15

filter\u at
可轻松用于函数中

testfun = function(test_df, filt_var){

    test_df %>%
        dplyr::filter_at(filt_var, all_vars(. == 5) )
}

testfun(df_ex, "a")

  a  b
1 5 15

基本NSE似乎也起作用：

testfun2 <- function(test_df, filt_var){
  filt_var_mod <- substitute(filt_var)
  test_df %>% 
    dplyr::filter(eval(filt_var_mod) == 5)
}

testfun2(df_ex, a)


  a  b
1 5 15

testfun2或只是
test\u df[test\u df[，filt\u var]==5，]
并取消所有这些求值、解析等。交互使用
$
只是自找麻烦——
fortunes:：fortune（312）
Ha！这是一个简单得多的解决方案，我甚至不知道这是可能的！对于后来出现的任何人，
df_-ex[它（eval（parse（text=paste0（“test_-df$”，filt_-var））==5），
是我在base-R函数的原始主体中包装的胡言乱语。是的，
$
本质上只是
[
的一个交互式快捷方式。而且，
财富（106）
在这里是相关的—“如果答案是parse（）你通常应该重新思考这个问题。”：-PI实际上非常喜欢提出的优雅的base R解决方案。然而，我很惊讶dplyr使这个问题变得如此复杂。
   a  b
1: 5 15

filter_at(df_ex, "a", all_vars(. == 5) )

 a  b
1 5 15

testfun = function(test_df, filt_var){

    test_df %>%
        dplyr::filter_at(filt_var, all_vars(. == 5) )
}

testfun(df_ex, "a")

  a  b
1 5 15

testfun2 <- function(test_df, filt_var){
  filt_var_mod <- substitute(filt_var)
  test_df %>% 
    dplyr::filter(eval(filt_var_mod) == 5)
}

testfun2(df_ex, a)


  a  b
1 5 15