R 使用两个编程定义变量的线性运算作为ggplot中的美学

我正在努力编写一个非常简单的包装器，为不同的变量生成绘图。假设我的数据是：

数据目前，sdvar只是一个字符串。您可以使用sym将其转换为符号，然后取消引用即可：

myplot <- function(data, var) {
    var <- enquo(var)
    sdvar <- sym(paste0(quo_name(var), "_sd"))
    ggplot(data,aes(x=year, y=!!var)) +
        geom_pointrange(aes(ymin=!!var-!!sdvar, ymax=!!var+!!sdvar))
}

目前，sdvar只是一个字符串。您可以使用sym将其转换为符号，然后取消引用即可：

myplot <- function(data, var) {
    var <- enquo(var)
    sdvar <- sym(paste0(quo_name(var), "_sd"))
    ggplot(data,aes(x=year, y=!!var)) +
        geom_pointrange(aes(ymin=!!var-!!sdvar, ymax=!!var+!!sdvar))
}

---

按照@Marius的建议转换为符号后，还可以使用curly-curly操作符{{}

---

按照@Marius的建议转换为符号后，还可以使用curly-curly操作符{{}

---

啊，我离得太近了！谢谢你，我真的很难接受非标准的评估…你知道有什么好的资源可以更好地理解字符串、符号、QUOSURE和变量名之间的区别吗？我仍然觉得这让我自己很困惑。我正在寻找一个很好的资源来总结所有这些东西-我刚刚搜索并找到了看起来很有希望的。啊，我太接近了！谢谢你，我真的很难接受非标准的评估…你知道有什么好的资源可以更好地理解字符串、符号、QUOSURE和变量名之间的区别吗？我仍然觉得这让我自己很困惑。我正在寻找一个很好的资源来总结所有这些东西-我刚刚搜索并找到了看起来很有希望的。谢谢@ronak，bang-bang和curly-curly有什么区别？有哪一个比另一个更有效率吗？@Mar我不确定效率如何，但curly-curly是几个月前推出的，是bang-bang的继任者。你可以在这里读到：如果我使用curly-curly，那么我就不需要行变量。如果你只处理var，那么你就不需要行变量。但是在这里，因为你还需要生成sdvar，我们需要先将var转换为字符串。谢谢@ronak，bang-bang和curly-curly有什么区别？有哪一个比另一个更有效率吗？@Mar我不确定效率如何，但curly-curly是几个月前推出的，是bang-bang的继任者。你可以在这里读到：我是否正确地解释了，如果我使用curly-curly，那么我不需要行var如果你只处理var，那么你不需要它，但是在这里，因为你还需要生成sdvar，我们需要先将var转换成string。

myplot <- function(data, var) {
    var <- enquo(var)
    sdvar <- sym(paste0(quo_name(var), "_sd"))
    ggplot(data,aes(x=year, y=!!var)) +
        geom_pointrange(aes(ymin=!!var-!!sdvar, ymax=!!var+!!sdvar))
}

library(ggplot2)
library(rlang)


myplot <- function(data, var) {
  var <- enquo(var)
  sdvar <- sym(paste0(quo_name(var), "_sd"))
  ggplot(data,aes(x=year, y={{var}})) +
      geom_pointrange(aes(ymin={{var}}-{{sdvar}}, ymax={{var}}+ {{sdvar}}))
}

myplot(data, var1)