为什么'；t dplyr filter（）在函数中工作（即使用变量作为列名）？

使用dplyr函数对数据进行过滤、分组和变异的函数。基本管道序列在函数之外工作得很好，我使用的是真正的列名。将它放在一个函数中，其中列名是一个变量，有些函数可以工作，但有些函数不能工作，尤其是dplyr:：filter（）。例如：

var1 <- c('yes', NA, NA, 'yes', 'yes', NA, NA, NA, 'yes', NA, 'no', 'no', 'no', 'maybe', NA, 'maybe', 'maybe', 'maybe')

var2 <- c(1:18)

df <- data.frame(var1, var2)

…但这并不是：

x <- "var1"

df%>%filter(!is.na(x))

需要特别过滤掉的是NA

尝试获取（“x”），不好，切片：

df[!is.na(x),]

……也不行

---

关于如何将变量传递到函数内部（或外部）进行过滤，以及为什么变量与其他dplyr函数一起工作，有什么想法吗？

我们可以使用

sym

转换为符号，然后使用

UQ

对其进行评估

library(rlang)
library(dplyr)
df %>%
   filter(!is.na(UQ(sym(x))))
#     var1 var2
#1    yes    1
#2    yes    4
#3    yes    5
#4    yes    9
#5     no   11
#6     no   12
#7     no   13
#8  maybe   14
#9  maybe   16
#10 maybe   17
#11 maybe   18

---

这也会起作用，而且更简单一点-只需引用包含方括号之间的列名的变量，并使用（.）引用输入df：

> df %>% filter(!is.na((.)[x]))
    var1 var2
1    yes    1
2    yes    4
3    yes    5
4    yes    9
5     no   11
6     no   12
7     no   13
8  maybe   14
9  maybe   16
10 maybe   17
11 maybe   18

请注意，这也适用于以下功能：

myfun <- function(df, var) {
  df %>%  filter(!is.na((.)[var]))
 }

 x <- "var1"
 myfun(df, x)

    var1 var2
1    yes    1
2    yes    4
3    yes    5
4    yes    9
5     no   11
6     no   12
7     no   13
8  maybe   14
9  maybe   16
10 maybe   17
11 maybe   18

myfun%过滤器（！is.na（（.[var]））
}
由于我的声誉不高，无法在上面发表评论。。。我建议在这里看看我的答案：

如果要使用dplyr创建函数，需要按照以下网页中的说明进行操作：

库（tidyverse）
var1有一个新的包，它将标准评估标准传递给dplyr。试试看。您可以将普通的带引号的代码传递给dplyr。它使在dplyr中传递参数和编写函数变得更容易

对于您的情况：

install.packages("seplyr")
library(seplyr)
x<-"var1"
df%>%filter_se(paste0("!is.na(", x , ")"))

install.packages（“seplyr”）
图书馆（九月）
x%过滤器（粘贴0（“！is.na（“，x，”）”）
为什么只使用筛选函数，而不使用select（）？@ConnerM
select
同时接受未加引号和带引号的字符串，即
df%>%select（'var1'）
和
df%>%select（var1）
这不仅适用于
filter
。如果您想要一些摘要，那么您必须执行相同的步骤sym是否属于特定的包？@ConnerM。它在
rlang
中，但我认为如果您安装
tidyverse
并加载软件包，应该加载它。假设您想总结
df%>%summary（count=sum（！is.na（UQ（sym（x '）））
关于gather（）有什么想法吗？
myfun <- function(df, var) {
  df %>%  filter(!is.na((.)[var]))
 }

 x <- "var1"
 myfun(df, x)

    var1 var2
1    yes    1
2    yes    4
3    yes    5
4    yes    9
5     no   11
6     no   12
7     no   13
8  maybe   14
9  maybe   16
10 maybe   17
11 maybe   18

library(tidyverse)
var1 <- c('yes', NA, NA, 'yes', 
          'yes', NA, NA, NA, 'yes', NA, 'no', 
          'no', 'no', 'maybe', NA, 'maybe', 
          'maybe', 'maybe')
var2 <- c(1:18)

df <- data_frame(var1, var2)

your_function <- function(df, filter) {
      # Make filter a quosure
      filter = enquo(filter)

      df %>% 
        filter(!is.na(!!filter)) -> new_df

      return(new_df)
}
new_df <- your_function(df = df, filter = var1)

install.packages("seplyr")
library(seplyr)
x<-"var1"
df%>%filter_se(paste0("!is.na(", x , ")"))