eval（parse（））、eval（str2lang（））、eval（str2expression（））和eval（call（）[[1]]）之间有什么区别？

我正在编写一个函数，从给定的data.frame

df

或环境

env

中提取作为字符串提供的变量。最初，我一直在使用

eval（parse（text=s）、df、env）

构造来实现这一点，但我知道还有更有效的替代方法。其他选择包括：

eval（str2lang（s）、df、env）

eval（str2表达式、df、env）

eval（呼叫[[1]]，df，env）

可能还有一个

get

解决方案，但我不知道它是否可以先检查变量是否在

df

中，然后再转到

env

，如果不是

使用

microbenchmark

，似乎

call

是最快的：

库（微基准）
x1=1
df=数据帧（x2=2）
微基准（call=eval（call（'x1'）[[1]]，df），
parse=eval（parse（text='x1'），df），
str2lang=eval（str2lang（'x1'），df），
str2exp=eval（str2表达式（'x1'），df），
check=“等同”）
#>单位：微秒
#>expr最小lq平均uq最大neval cld
#>致电1.128 1.21151.60815 1.4585 1.6360 4.659 100 a
#>解析39.183 39.8705 46.60755 40.2405 42.0415 135.462 100 b
#>str2lang 2.235 2.3570 3.26144 2.5995 2.8925 24.641 100 a
#>str2exp 2.230 2.3200 2.81387 2.4780 2.6970 10.312 100 a
微基准（call=eval（call（'x2'）[[1]]，df），
parse=eval（parse（text='x2'），df），
str2lang=eval（str2lang（'x2'），df），
str2exp=eval（str2表达式（'x2'），df），
check=“等同”）
#>单位：微秒
#>expr最小lq平均uq最大neval cld
#>致电1.124 1.194 1.47770 1.3675 1.5795 9.031 100 a
#>解析38.254 38.762 40.21497 38.9630 39.3120 116.510 100 b
#>str2lang 2.214 2.304 2.55036 2.3960 2.6530 10.639 100 a
#>str2exp 2.238 2.331 2.50011 2.4210 2.6515 3.619 100 a

由（v0.3.0）于2020年4月23日创建

---

因此，我倾向于使用

call

，但我希望确保这样做不会产生任何意外后果，而不是使用其他解决方案。换句话说，在什么情况下（在我使用它们的上下文中），这四种方法不会给出相同的答案，导致一种方法优于其他方法？

我认为这取决于您尝试评估的字符串。如果它总是一个单一的名称，那么

as.name（'x1'）

可能也是一个竞争者；我的测试表明，它比您使用

调用
的解决方案稍微慢一点，但我认为它更可取，因为它不那么晦涩，也不太可能引起未来的麻烦

这可能会引起麻烦：当前
call（“x1”）
生成语言对象
x1（）
，然后提取被调用函数的名称。但是，如果在R的未来版本中，它记住该表达式中的
x1
应该是一个函数呢
eval（x1（））
已经知道忽略名为
x1
的非函数对象，因此它不会破坏太多代码来进行更改，从效率的角度来看，它可能很有用

as.name
还允许非字符参数，例如
as.name（123）
；这对你来说可能是积极的，也可能是消极的。（两种解决方案都允许
“123”
）
我认为这取决于您试图计算的字符串。如果它总是一个单一的名称，那么
as.name（'x1'）
可能也是一个竞争者；我的测试表明，它比您使用
调用
的解决方案稍微慢一点，但我认为它更可取，因为它不那么晦涩，也不太可能引起未来的麻烦

这可能会引起麻烦：当前
call（“x1”）
生成语言对象
x1（）
，然后提取被调用函数的名称。但是，如果在R的未来版本中，它记住该表达式中的
x1
应该是一个函数呢
eval（x1（））
已经知道忽略名为
x1
的非函数对象，因此它不会破坏太多代码来进行更改，从效率的角度来看，它可能很有用

as.name
还允许非字符参数，例如
as.name（123）
；这对你来说可能是积极的，也可能是消极的。（两种解决方案都允许
“123”
）