在R中使用列名作为函数参数

我试图创建一个R函数，将平均值填入数据框中的特定列

impute_means <- function(df, group_by, column){
  
  vals_to_impute <- df %>%
    group_by_at(group_by) %>%
    summarise(x = mean(get(column), na.rm = TRUE))
  
  df %>%
    filter(is.na(get(column))) %>%
    select(group_by, column) %>%
    left_join(vals_to_impute, by=group_by)
}

impute_means(df = weather_data, group_by = c("year","month","code","type"), column = "temperature")

---

你可以试试这个功能

impute_means <- function(df, group_by, column){
  
  df %>% 
    group_by_at(group_by) %>% 
    mutate(across(c(column), mean))
}

inpute_表示%
分组依据（分组依据）%>%
变异（跨越（c（列），平均值））
}

或者，如果您需要一个新列：

impute_means <- function(df, group_by, column){
  
  df %>% 
    group_by_at(group_by) %>% 
    mutate(x=across(c(column), mean))
}
  

inpute_表示%
分组依据（分组依据）%>%
变异（x=交叉（c（列），平均值））
}

您可以这样做-

library(dplyr)

impute_means <- function(df, group_by, column){
  
  df %>%
    mutate(val = .data[[column]]) %>%
    group_by(across(all_of(group_by))) %>%
    mutate(!!column := mean(.data[[column]], na.rm = TRUE)) %>%
    filter(is.na(val)) %>%
    select(-val) %>% 
    ungroup
}

impute_means(df = weather_data, 
             group_by = c("year","month","code","type"), 
             column = "temperature")

库（dplyr）
插补_意味着%
变异（val=.data[[列]]）%>%
分组依据（跨所有分组依据））%>%
变异（！！列：=平均值（.data[[column]]，na.rm=TRUE））%>%
过滤器（is.na（val））%>%
选择（-val）%>%
解组
}
估算平均值（df=天气数据，
分组依据=c（“年”、“月”、“代码”、“类型”），
列=“温度”）

我使用

mutate

来保持数据中的行数，而不是

汇总数据并执行连接

如果您觉得更容易理解，可以将
.data[[column]]
替换为
get（column）
。这两种方法应该是一样的。
看。我不太确定你想做什么，但我认为你应该一步一步地做，而不是试图在一条线上做每件事，这样会更容易。只要从一行开始，比如
stuff\u to\u calculate\u mean@RonakShah addedKeep记住，平均插补是一种次优的方法（例如），并且有更好的替代方法。我想我错过的是mutate函数中的
：=
impute_means <- function(df, group_by, column){
  
  df %>% 
    group_by_at(group_by) %>% 
    mutate(x=across(c(column), mean))
}
  

library(dplyr)

impute_means <- function(df, group_by, column){
  
  df %>%
    mutate(val = .data[[column]]) %>%
    group_by(across(all_of(group_by))) %>%
    mutate(!!column := mean(.data[[column]], na.rm = TRUE)) %>%
    filter(is.na(val)) %>%
    select(-val) %>% 
    ungroup
}

impute_means(df = weather_data, 
             group_by = c("year","month","code","type"), 
             column = "temperature")