dplyr中的标准计算：将给定的变量汇总为字符串

2020年7月更新：

dplyr 1.0几乎改变了关于这个问题以及所有答案的一切。请参见此处的dplyr编程示意图：

当列的标识符存储为字符向量时，引用列的新方法是使用rlang中的.data代词，然后使用base R中的子集

library(dplyr)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
    select(-matches(drp)) %>% 
    group_by(.data[[key]]) %>% 
    summarise(total = sum(.data[[val]], na.rm = TRUE))

#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#>   v3    total
#>   <chr> <int>
#> 1 A        21
#> 2 B        19

library(dplyr)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
    select(-matches(drp)) %>% 
    group_by(.data[[key]]) %>% 
    summarise(total = sum(.data[[val]], na.rm = TRUE))

#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#>   v3    total
#>   <chr> <int>
#> 1 A        21
#> 2 B        19

df如下所示：

> df
Source: local data frame [5 x 3]

  v1 v2 v3
1  1  6  A
2  2  7  A
3  3  8  A
4  4  9  B
5  5 10  B

我要删除v1，按v3分组，并为每个组求和v2：

df %>% select(-matches(drp)) %>% group_by_(key) %>% summarise_(sum(val, na.rm = TRUE))

Error in sum(val, na.rm = TRUE) : invalid 'type' (character) of argument

select的NSE版本工作正常，因为它可以匹配字符串。group_by的SE版本运行良好，因为它现在可以接受变量作为参数并对其求值。然而，在dplyr函数中使用基R函数时，我还没有找到一种方法来实现类似的结果

不起作用的事情：

df %>% group_by_(key) %>% summarise_(sum(get(val), na.rm = TRUE))
Error in get(val) : object 'v2' not found

df %>% group_by_(key) %>% summarise_(sum(eval(as.symbol(val)), na.rm = TRUE))
Error in eval(expr, envir, enclos) : object 'v2' not found

---

我已经签出，但到目前为止，没有一个建议的解决方案对我有效。

请注意，这个答案不适用于dplyr>=0.7.0，而是适用于以前的版本

有一种新的非标准评估方法称为tidyeval。它在vignetteprogramming中有详细描述

这一点很有帮助。检查“混合常量和变量”一节，您会发现可以使用lazyeval软件包中的函数interp，如果您有一个给出变量名称的字符串，请使用as.name：

library(lazyeval)
df %>%
  select(-matches(drp)) %>%
  group_by_(key) %>%
  summarise_(sum_val = interp(~sum(var, na.rm = TRUE), var = as.name(val)))
#   v3 sum_val
# 1  A      21
# 2  B      19

向.dots参数传递一个字符串列表，使用paste、sprintf或使用包gsubfn中的字符串插值，通过fn$list代替list来构造字符串，如下所示：

library(gsubfn)
df %>% 
   group_by_(key) %>% 
   summarise_(.dots = fn$list(mean = "mean($val)", sd = "sd($val)"))

给予：

Source: local data frame [2 x 3]

  v3 mean        sd
1  A  7.0 1.0000000
2  B  9.5 0.7071068

新dplyr更新：

dplyr的新功能可以帮助实现这一点。对于需要非标准计算的变量，我们使用quosures quo代替字符串。我们用另一个函数撤消报价！！。更多关于这些。在完全发布之前，您将需要

library(dplyr) #0.5.0.9004+
key <- quo(v3)
val <- quo(v2)
drp <- "v1"

df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>% select(-matches("v1")) %>% 
  group_by(!!key) %>% 
  summarise(sum(!!val, na.rm = TRUE))
# # A tibble: 2 × 2
#      v3 `sum(v2, na.rm = TRUE)`
#   <chr>                   <int>
# 1     A                      21
# 2     B                      19

---

随着rlang包的发布和dplyr的0.7.0更新，这一点现在相当简单

当您想使用字符串（例如v1）作为变量名时，您只需：

使用rlang包中的sym将字符串转换为符号 在函数调用中，写入！！在符号前面 例如，您可以执行以下操作：

my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean(!!my_sym))

library(rlang)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
  # NOTE: we don't have to do anything to `drp`
  # since the matches() function expects a character string
  select(-matches(drp)) %>% 
  group_by(!!sym(key)) %>% 
  summarise(sum(!!sym(val), na.rm = TRUE))

要返回原始示例，可以执行以下操作：

my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean(!!my_sym))

library(rlang)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
  # NOTE: we don't have to do anything to `drp`
  # since the matches() function expects a character string
  select(-matches(drp)) %>% 
  group_by(!!sym(key)) %>% 
  summarise(sum(!!sym(val), na.rm = TRUE))

替代语法

随着rlang版本0.4.0的发布，您可以使用以下语法：

my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean({{ my_sym }}))

而不是写作！！我的{u-sym}，你可以写{{我的{u-sym}}。这样做的优点是可以说更清晰，但缺点是必须先将字符串转换为符号，然后再将其放入括号中。例如，你可以写！！但是你不能写{{symmy\u var}

其他细节

所有解释sym和！！工作，这些似乎是最容易接近的：

dplyr 1.0几乎改变了关于这个问题以及所有答案的一切。请参见此处的dplyr编程示意图：

当列的标识符存储为字符向量时，引用列的新方法是使用rlang中的.data代词，然后使用base R中的子集

library(dplyr)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
    select(-matches(drp)) %>% 
    group_by(.data[[key]]) %>% 
    summarise(total = sum(.data[[val]], na.rm = TRUE))

#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#>   v3    total
#>   <chr> <int>
#> 1 A        21
#> 2 B        19

library(dplyr)

key <- "v3"
val <- "v2"
drp <- "v1"

df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))

df %>% 
    select(-matches(drp)) %>% 
    group_by(.data[[key]]) %>% 
    summarise(total = sum(.data[[val]], na.rm = TRUE))

#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#>   v3    total
#>   <chr> <int>
#> 1 A        21
#> 2 B        19

---

如果您的代码在包函数中，您可以@importFrom rlang.data以避免R检查有关未定义全局变量的注释。

我之前阅读了该小插曲，但在测试中误用了interp。非常感谢。尽管有这个答案和小插曲，我仍然无法让它工作。我没有MWE。我执行了一个summary summarseng，median=mediantotal_length，这是因为“total_length”是我的data.frame“ng”中的一个列名。现在我想循环使用存储在“features”列表中的列名，在这个示例中，它将是summarseng，median=medianfeatures[8]。但这在摘要中给出了字符串“features[8]”。interp summarseng，median=interp~medianvar，var=features[8]的方法给出了一个错误：“错误：不是向量”。怎么办？？？阅读已经从根本上改变了我编程函数参数的方式。要提供不带引号的变量名作为函数参数，请参见使用enquo和！！在该vignette中的my_summary函数中。如果v3和v2是作为函数输入的字符向量，如何执行此操作？如果有多个变量怎么办？在一个相关的问题中。