dplyr：如何在函数内部使用group_？

我想在另一个函数中使用

dplyr:：group_by

函数，但我不知道如何将参数传递给此函数

有人能提供一个有效的例子吗

library(dplyr)
data(iris)
iris %.% group_by(Species) %.% summarise(n = n()) # 
## Source: local data frame [3 x 2]
##      Species  n
## 1  virginica 50
## 2 versicolor 50
## 3     setosa 50

mytable0 <- function(x, ...) x %.% group_by(...) %.% summarise(n = n())
mytable0(iris, "Species") # OK
## Source: local data frame [3 x 2]
##      Species  n
## 1  virginica 50
## 2 versicolor 50
## 3     setosa 50

mytable1 <- function(x, key) x %.% group_by(as.name(key)) %.% summarise(n = n())
mytable1(iris, "Species") # Wrong!
# Error: unsupported type for column 'as.name(key)' (SYMSXP)

mytable2 <- function(x, key) x %.% group_by(key) %.% summarise(n = n())
mytable2(iris, "Species") # Wrong!
# Error: index out of bounds

库（dplyr）
数据（iris）
虹膜%。%按（物种）分组%。%总结（n=n（））#
##来源：本地数据帧[3 x 2]
##物种n
##1弗吉尼亚州50
##2彩色50
##3刚毛50
mytable0虽然很难看，但她工作：

mytable3 <- function(x, key) {
  my.call <- bquote(summarise(group_by(.(substitute(x)), NULL), n = n()))
  my.call[[2]][[3]] <- as.name(key)
  eval(my.call, parent.frame())
} 
mytable3(iris, "Species")
# Source: local data frame [3 x 2]
#
#      Species  n
# 1  virginica 50
# 2 versicolor 50
# 3     setosa 50

mytable3对于编程，
groupby
与
groupby
相对应：

library(dplyr)

mytable <- function(x, ...) x %>% group_by_(...) %>% summarise(n = n())
mytable(iris, "Species")
# or iris %>% mytable("Species")

更新在编写本文件时，dplyr使用了
%.%
，这是上面最初使用的内容，但现在有人喜欢使用
%>%
，因此我们在上面对其进行了更改，以保持其相关性

更新2重新分组现在已被弃用，请改用分组方式

更新3
分组依据（列表（…）
根据Roberto的评论，现在在新版本的dplyr中成为
分组依据（…）

更新4在评论中添加了建议的微小变化

更新5:使用rlang/tidyeval，现在可以执行以下操作：

library(rlang)
mytable <- function(x, ...) {
  group_ <- syms(...)
  x %>% 
    group_by(!!!group_) %>% 
    summarise(n = n())
}
mytable(iris, "Species")

更新6:如果只有一个分组变量，则现在有一个{…}符号：

mytable <- function(x, group) {
  x %>% 
    group_by({{group}}) %>% 
    summarise(n = n())
}
mytable(iris, Species)

mytable%
分组依据（{{group}}）%>%
总结（n=n（））
}
mytable（鸢尾属，物种）
更新：从dplyr 0.7.0开始，您可以使用tidy eval来完成此操作

有关更多详细信息，请参阅

library(tidyverse)
data("iris")

my_table <- function(df, group_var) {
  group_var <- enquo(group_var)      # Create quosure
  df %>% 
    group_by(!!group_var) %>%        # Use !! to unquote the quosure
    summarise(n = n())
}

my_table(iris, Species)

> my_table(iris, Species)
# A tibble: 3 x 2
     Species     n
      <fctr> <int>
1     setosa    50
2 versicolor    50
3  virginica    50

库（tidyverse）
数据（“iris”）
我的桌子%#使用！！取消报价
总结（n=n（））
}
my_表（鸢尾，物种）
>my_表（鸢尾，物种）
#一个tibble:3x2
物种n
1刚毛50
2彩色50
3弗吉尼亚州50
作为@G.Grothendieck中更新6的补充，如果您想在摘要函数中使用字符串作为参数，而不是使用双大括号（
{
）包含参数，则应使用
.data
代词，如以下所述：

mytable%
分组依据（.data[[group]]）%>%
总结（n=n（））
}
组字符串不需要使用
as.name
等
mytable谢谢。已将
as.name（key）
替换为
。
。现在，在dplyr 0.3中使用lazyeval更简单：
mytable%group\u by_u（…）%%摘要（n=n（））
@Roberto的解决方案可以用magrittr的功能序列概念重新表述：使用
mytable%group\u by_u（…）%%>%summary（n=n（））
，
mytable（“物种”）
给出一个功能序列，因此
iris%>%mytable（“物种”）
给出了所需的摘要。（注意调用
（）
是必要的-一个小的“疣”）当然，这个额外的解耦程度是否值得取决于具体的应用。复制这个的可能重复，
iris%。%groupby（Species）%。%summary（n=n（））
导致
n（）中的错误：不应直接调用此函数。
。WTF？！dplyr 0.1.2，R 3.0.3^这是由于错误地先加载dplyr，然后加载plyr，导致基本FN（如
变异、汇总、排列、描述等）被屏蔽而导致的已知问题。请参阅相关：不正确（）检查时给你留个便条吗？嗨@Elin。我不太清楚你的意思。我只是重新运行了这段代码，没有看到任何便条。在包生成检查中？我看到了。我没有尝试将其包含在包中。仅使用dply:：n（）是否解决了便条？不。我想你可能需要引用，然后取消引用整个表达式。
library(rlang)
mytable <- function(x, ...) {
  group_ <- enquos(...)
  x %>% 
    group_by(!!!group_) %>% 
    summarise(n = n())
}
mytable(iris, Species)

mytable <- function(x, group) {
  x %>% 
    group_by({{group}}) %>% 
    summarise(n = n())
}
mytable(iris, Species)

library(tidyverse)
data("iris")

my_table <- function(df, group_var) {
  group_var <- enquo(group_var)      # Create quosure
  df %>% 
    group_by(!!group_var) %>%        # Use !! to unquote the quosure
    summarise(n = n())
}

my_table(iris, Species)

> my_table(iris, Species)
# A tibble: 3 x 2
     Species     n
      <fctr> <int>
1     setosa    50
2 versicolor    50
3  virginica    50

mytable <- function( x, group ) {
  x %>% 
    group_by( .data[[group]] ) %>% 
    summarise( n = n() )
}

group_string <- 'Species'

mytable( iris, group_string )

`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 2
  Species        n
  <fct>      <int>
1 setosa        50
2 versicolor    50
3 virginica     50