将列名传递给R dplyr group_by和SUMMARE函数

我正在尝试编写一个函数，它接受一个数据帧和一个变量名（或变量名列表），并使用group_by和SUMMARE函数输出摘要信息。但是，我不断收到以下错误之一：

 Error: Problem with `mutate()` input `..1`.
 x Input `..1` must be a vector, not a function.
 i Input `..1` is `<fn>`.

最后一个错误是，它找不到名为“value”的列，该列包含数据帧的值（熔化后）

这是我的密码：

    tested <- melt(test_data, measure.vars = c('TA','PP','US','UD','UE','UG','UH','XR','RW','PA','TB4',
                                               'TV2','TV4','TV8','TV20','TV40','MV2','MV4','MV8','MV20','MV40','VB'), id.vars = c('TmStamp','year','month','ym','day','hour'))
    
    test_function <- function(data,col){
      stats <- data %>% group_by(!!col,variable) %>%
        summarize(N = length(value[!is.na(value)]),
                  Missing = length(value[is.na(value)]),
                  Per.Avail = (length(value[!is.na(value)])/(length(value[!is.na(value)]) + length(value[is.na(value)]))) * 100,
                  Mean = mean(value, na.rm=TRUE),
                  Median = median(value, na.rm=TRUE),
                  Min = min(value, na.rm=TRUE),
                  Max = max(value, na.rm=TRUE),
                  Range = max(value, na.rm=TRUE) - min(value, na.rm=TRUE),
                  Variance = var(value, na.rm=TRUE),
                  Std.Dev = sd(value, na.rm=TRUE),
                  Coef.Var = sd(value, na.rm=TRUE)/mean(value, na.rm=TRUE),
                  SE = sd(value, na.rm=TRUE)/sqrt(length(value[!is.na(value)])),
                  Skewness = e1071::skewness(value, na.rm=TRUE),
                  Kurtosis = e1071::kurtosis(value, na.rm=TRUE),
                  IQR = IQR(value, na.rm=TRUE),
                  MAD = mad(value, na.rm=TRUE)
        )
      return(stats)
    }

    test_function(tested, ym)

---

我如何编写此函数，使其按函数接受组中的一个或多个列名？

要使函数正常工作，请使用例如

{{col}

而不是

！！col

。要使函数适用于多个变量，可以使用

…

表示法，也可以使用该表示法通过以下方式将变量传递给group_：

库（dplyr）
测试功能%
汇总（N=长度（值[！is.na（值）]），
缺失=长度（值[is.na（值）]），
Per.Avail=（长度（值[！is.na（值）]）/（长度（值[！is.na（值）]）+长度（值[is.na（值）]）*100，
平均值=平均值（数值，na.rm=真），
中位数=中位数（数值，na.rm=真），
最小值=最小值（值，na.rm=真），
Max=Max（值，na.rm=TRUE），
范围=最大（值，na.rm=真）-最小（值，na.rm=真），
方差=var（值，na.rm=真），
标准偏差=标准偏差（数值，na.rm=真），
系数Var=sd（值，na.rm=TRUE）/平均值（值，na.rm=TRUE），
SE=sd（值，na.rm=TRUE）/sqrt（长度（值[！is.na（值）]），
偏度=e1071:：偏度（值，na.rm=TRUE），
峰度=e1071:：峰度（值，na.rm=TRUE），
IQR=IQR（值，na.rm=TRUE），
MAD=MAD（值，na.rm=TRUE）
)
返回（统计）
}
测试功能（已测试，ym）
#>`summary（）`按'variable'重新分组输出（用'.groups'参数重写）
#>#A tible:1 x 18
#>#组：变量[1]
#>变量ym N缺失每可用平均最小最大范围方差
#>                          
#>1 TA 10-2~20 0 100 5.30 5.33 4.25 6.01 1.76 0.283
#> # ... 还有7个变量：标准偏差、系数变量、SE、，
#>#偏度、峰度、IQR、MAD
测试功能（已测试，ym，年，月）
#>`summary（）`按'variable'，'ym'，'year'重新组合输出（用'.groups'参数覆盖）
#>#A tible:1 x 20
#>#组：变量，ym，年份[1]
#>变量ym年-月N缺失每可用平均最小值最大值
#>                       
#>1 TA 10-2~2019 10 20 0 100 5.30 5.33 4.25 6.01
#> # ... 还有9个变量：范围、方差、标准偏差、，
#>#系数Var、SE、偏度、峰度、IQR、，
#>#疯了

    tested <- melt(test_data, measure.vars = c('TA','PP','US','UD','UE','UG','UH','XR','RW','PA','TB4',
                                               'TV2','TV4','TV8','TV20','TV40','MV2','MV4','MV8','MV20','MV40','VB'), id.vars = c('TmStamp','year','month','ym','day','hour'))
    
    test_function <- function(data,col){
      stats <- data %>% group_by(!!col,variable) %>%
        summarize(N = length(value[!is.na(value)]),
                  Missing = length(value[is.na(value)]),
                  Per.Avail = (length(value[!is.na(value)])/(length(value[!is.na(value)]) + length(value[is.na(value)]))) * 100,
                  Mean = mean(value, na.rm=TRUE),
                  Median = median(value, na.rm=TRUE),
                  Min = min(value, na.rm=TRUE),
                  Max = max(value, na.rm=TRUE),
                  Range = max(value, na.rm=TRUE) - min(value, na.rm=TRUE),
                  Variance = var(value, na.rm=TRUE),
                  Std.Dev = sd(value, na.rm=TRUE),
                  Coef.Var = sd(value, na.rm=TRUE)/mean(value, na.rm=TRUE),
                  SE = sd(value, na.rm=TRUE)/sqrt(length(value[!is.na(value)])),
                  Skewness = e1071::skewness(value, na.rm=TRUE),
                  Kurtosis = e1071::kurtosis(value, na.rm=TRUE),
                  IQR = IQR(value, na.rm=TRUE),
                  MAD = mad(value, na.rm=TRUE)
        )
      return(stats)
    }

    test_function(tested, ym)

structure(list(TmStamp = c("2019-10-01 12:00:00 AM", "2019-10-01 12:05:00 AM", 
"2019-10-01 12:10:00 AM", "2019-10-01 12:15:00 AM", "2019-10-01 12:20:00 AM", 
"2019-10-01 12:25:00 AM", "2019-10-01 12:30:00 AM", "2019-10-01 12:35:00 AM", 
"2019-10-01 12:40:00 AM", "2019-10-01 12:45:00 AM", "2019-10-01 12:50:00 AM", 
"2019-10-01 12:55:00 AM", "2019-10-01 01:00:00 AM", "2019-10-01 01:05:00 AM", 
"2019-10-01 01:10:00 AM", "2019-10-01 01:15:00 AM", "2019-10-01 01:20:00 AM", 
"2019-10-01 01:25:00 AM", "2019-10-01 01:30:00 AM", "2019-10-01 01:35:00 AM"
), year = c(2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 
2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019, 2019
), month = c(10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 
10, 10, 10, 10, 10, 10, 10, 10), ym = c("10-2019", "10-2019", 
"10-2019", "10-2019", "10-2019", "10-2019", "10-2019", "10-2019", 
"10-2019", "10-2019", "10-2019", "10-2019", "10-2019", "10-2019", 
"10-2019", "10-2019", "10-2019", "10-2019", "10-2019", "10-2019"
), day = structure(c(18170, 18170, 18170, 18170, 18170, 18170, 
18170, 18170, 18170, 18170, 18170, 18170, 18170, 18170, 18170, 
18170, 18170, 18170, 18170, 18170), class = "Date"), hour = c(23L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), variable = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("TA", 
"PP", "US", "UD", "UE", "UG", "UH", "XR", "RW", "PA", "TB4", 
"TV2", "TV4", "TV8", "TV20", "TV40", "MV2", "MV4", "MV8", "MV20", 
"MV40", "VB"), class = "factor"), value = c(6.008, 6.013, 5.915, 
5.777, 5.727, 5.679, 5.653, 5.591, 5.479, 5.353, 5.299, 5.249, 
5.256, 5.171, 5.01, 4.901, 4.716, 4.487, 4.397, 4.25)), row.names = c(NA, 
20L), class = "data.frame")