如果我想让一个类似dplyr的函数能够同时使用NSE和SE，如何解决{{}和all_off（）的问题？

我想写一个函数，它将接受列的符号名和作为变量（字符串）传递的名称

让我给你举个例子：

数据：

> ( d <- data.frame(A=1:3, B=3:1) )
  A B
1 1 3
2 2 2
3 3 1

B）作为字符串传递的名称

> d %>% fn(cols = A)
  A B
1 2 3
2 4 2
3 6 1

> d %>% fn(cols = B)
  A B
1 1 6
2 2 4
3 3 2

> d %>% fn(cols = c(A, B))
  A B
1 2 6
2 4 4
3 6 2

> column <- "A"
> d %>% fn(cols = column)
  A B
1 2 3
2 4 2
3 6 1

> d %>% fn(cols = c("A", "B"))
  A B
1 2 6
2 4 4
3 6 2

---

如何修复此问题，以启用这两种方法并避免警告？

我的建议是保留原始实现及其附带的警告，因为情况确实不明确。考虑：

d <- data.frame(A=1:3, B=3:1, columns=4:6)  # Note the new column named columns
columns <- c("A","B")
d %>% fn(cols = columns)                    # Which `columns` should this use?

编辑：虽然我推荐上述方法，但另一种方法是检查调用环境中是否存在变量。如果变量存在，则假定它包含列名，并在

all_of（）

中使用它；否则，假设列名按原样提供：

fn <- function(data, cols) {
  varExist <- rlang::enexpr(cols) %>% 
    rlang::expr_deparse() %>%
    exists(envir=rlang::caller_env())
  
  if(varExist)
    data %>% mutate( across(all_of(cols), ~. *2) )
  else
    data %>% mutate( across({{cols}}, ~. * 2) )
}

rm(A)              # Ensure there is no variable called A
d %>% fn(cols=A)   # Mutate will operate on column A only

A <- c("A","B")    # A now contains column names
d %>% fn(cols=A)   # Mutate will operate on A and B

fn%
存在（envir=rlang:：caller_env（））
if（varExist）
数据%>%突变（跨越（所有列，~*2））
其他的
数据%>%突变（跨越（{{cols}}，~.*2））
}
rm（A）#确保没有称为A的变量
d%>%fn（cols=A）#Mutate将仅对A列进行操作
A%fn（cols=A）#突变将作用于A和B

啊，明白了，我放错地方了！不幸的是，这将主要用于动态脚本，其中列的名称将从web服务接收，但此功能也将提供给不熟悉dplyr和NSE的最终用户。它们将“自动”提供字符串向量。我不能指望他们读手册（理论上我应该读，实际上我被经理杀了）。在我使用的生产环境中，这个名称“columns”不太可能出现在数据帧中。我必须找到另一种方法。。。或者辞去dplyr来完成这项任务。更重要的是，这现在是一个注释，但将来它只会抛出错误，这将破坏整个代码。@Bastian听起来您的函数将主要用于生产中的标准求值。我的建议是致力于这一点并放弃NSE支持。不过，请看我的编辑，如果你绝对必须支持这两个。这是美丽的工作。rlang是如此强大，我必须最终探索它，因为它为R打开了难以置信的可能性。非常感谢你，Artem。这绝对符合我的需要。所以你想让函数同时适用于符号和字符串吗？是的，没错。只要列的名称是明确提供的：fn（A，B）或fn（“A”，“B”），它就工作得很好。当我提供一个外部向量时，它会打印一个关于选择中的模糊性的注释。在将来，此注释将变成警告，然后变成错误。理论上，我可以提供两个函数，比如NSE的fn（）和SE的fn_u2;（），但我真的希望避免这种情况。也许对参数进行一些条件检查？

fn <- function(data, cols) {
  return(data %>% mutate(across(all_of({{cols}}), ~. * 2)))
}

> d %>% fn(cols = columns)
  A B
1 2 6
2 4 4
3 6 2

> d %>% fn(cols = A)

 Error: Problem with `mutate()` input `..1`.
x object 'A' not found
i Input `..1` is `across(all_of(A), ~. * 2)`.
Run `rlang::last_error()` to see where the error occurred. > d %>% fn(cols = B)

> d %>% fn(cols = c(A, B))

 Error: Problem with `mutate()` input `..1`.
x object 'A' not found
i Input `..1` is `across(all_of(c(A, B)), ~. * 2)`.
Run `rlang::last_error()` to see where the error occurred. 

d <- data.frame(A=1:3, B=3:1, columns=4:6)  # Note the new column named columns
columns <- c("A","B")
d %>% fn(cols = columns)                    # Which `columns` should this use?

d %>% fn(cols = all_of(columns))     # works without a warning

fn <- function(data, cols) {
  varExist <- rlang::enexpr(cols) %>% 
    rlang::expr_deparse() %>%
    exists(envir=rlang::caller_env())
  
  if(varExist)
    data %>% mutate( across(all_of(cols), ~. *2) )
  else
    data %>% mutate( across({{cols}}, ~. * 2) )
}

rm(A)              # Ensure there is no variable called A
d %>% fn(cols=A)   # Mutate will operate on column A only

A <- c("A","B")    # A now contains column names
d %>% fn(cols=A)   # Mutate will operate on A and B