Tidyeval Qua vs Enquo

Question

我偶然发现了这种行为，并不太了解。有人可以请问一下吗？

我写了下面的函数，它给出以下错误：

> MyFilter <- function(data, filtersVector) {
    filtersVector <- quo(filtersVector)
    result <- data %>% filter(Species %in% !!filtersVector)
    result
  }

> MyFilter(iris, c("setosa", "virginica"))
Error in filter_impl(.data, quo) : 
Evaluation error: 'match' requires vector arguments.

但是，如果我以以下方式对其进行修改，则它将按预期工作：

> MyFilter <- function(data, filtersVector) {
    otherName <- quo(filtersVector)
    result <- data %>% filter(Species %in% !!otherName)
    result
  }

> MyFilter(iris, c("setosa", "virginica"))
    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
1            5.1         3.5          1.4         0.2    setosa
2            4.9         3.0          1.4         0.2    setosa
3            4.7         3.2          1.3         0.2    setosa
4            4.6         3.1          1.5         0.2    setosa
5            5.0         3.6          1.4         0.2    setosa
6            5.4         3.9          1.7         0.4    setosa

我也意识到在一个函数中我应该使用enqou它并且它可以正常工作。

> MyFilter <- function(data, filtersVector) {
        filtersVector<- enquo(filtersVector)
        result <- data %>% filter(Species %in% !!filtersVector)
        result
      }

> MyFilter(iris, c("setosa", "virginica"))
    Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
1            5.1         3.5          1.4         0.2    setosa
2            4.9         3.0          1.4         0.2    setosa
3            4.7         3.2          1.3         0.2    setosa
4            4.6         3.1          1.5         0.2    setosa
5            5.0         3.6          1.4         0.2    setosa
6            5.4         3.9          1.7         0.4    setosa

但是，我仍然对上述行为感到困惑，不胜感激。

Answer 1

TLDR：在第一个版本中，您创建了一个自引用（一个指向自身的符号）。其他版本也可以使用，但是实际上您不需要在这里使用quasure和捕获参数，因为您没有在引用数据框列。这也解释了为什么quo()和enquo()版本都相同的原因。您可以按常规方式传递参数，而无需使用任何引号，尽管取消引用还是个好主意，!!以避免任何数据掩盖错误。

您可以qq_show()在filter()调用周围使用，以发现语法差异：

MyFilter <- function(data, filtersVector) {
  filtersVector <- quo(filtersVector)

  rlang::qq_show(
    result <- data %>% filter(Species %in% !!filtersVector)
  )
}

MyFilter(iris, c("setosa", "virginica"))
#> result <- data %>% filter(Species %in% (^filtersVector))

因此，我们在这里要求filter()查找Species与元素匹配的行filtersVector。filtersVector数据框中没有任何列，因此它在quosure环境中查找定义。您创建了一个带有quosure quo()，记录你的表达（在这种情况下，一个符号filtersVector）和你的 envionment（你的函数的环境）。因此它查找一个filtersVector对象，其中包含一个指向自身的符号。它仅被评估一次，因此没有无限循环，但是您实际上正在尝试将向量与符号进行比较，这是类型错误：

"setosa" %in% quote(filtersVector)
#> Error in match(x, table, nomatch = 0L) :
#> 'match' requires vector arguments

在第二次尝试中，您给quasure取了另一个名字。它之所以起作用filtersVector，是因为在您的函数环境中，它仍然表示传递给它的参数（向量）。

在第三次尝试中，您将使用enquo()此时间。而不是捕获表达式和环境，而是捕获enquo()函数用户的表达式和环境。让我们qq_show()再次使用以查看区别：

MyFilter <- function(data, filtersVector) {
  filtersVector<- enquo(filtersVector)

  rlang::qq_show(
    data %>% filter(Species %in% !!filtersVector)
  )
}

MyFilter(iris, c("setosa", "virginica"))
#> data %>% filter(Species %in% (^c("setosa", "virginica")))

现在，Quasure包含一个调用，该调用可以在现场创建矢量，这很%in%容易理解。

请注意，尽管如此，您实际上并未真正引用数据框列。您正在传递矢量。这意味着您根本不需要任何保证，也不需要捕获传递给参数的表达式。enquo()仅可用于将评估延迟到最后，因此可以在数据帧内进行评估。如果quo()和enquo()版本产生相同的结果，则表明您根本不需要引用。由于不需要它们，让我们通过消除方程的简化来简化函数：

MyFilter <- function(data, filtersVector) {
  data %>% filter(Species %in% filtersVector)
}

MyFilter(iris, c("setosa", "virginica"))
#> # A tibble: 100 x 5
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#>           <dbl>       <dbl>        <dbl>       <dbl> <fct>  
#>  1          5.1         3.5          1.4         0.2 setosa 
#>  2          4.9         3            1.4         0.2 setosa 
#>  3          4.7         3.2          1.3         0.2 setosa 
#>  4          4.6         3.1          1.5         0.2 setosa 
#>  5          5           3.6          1.4         0.2 setosa 
#>  6          5.4         3.9          1.7         0.4 setosa 
#>  7          4.6         3.4          1.4         0.3 setosa 
#>  8          5           3.4          1.5         0.2 setosa 
#>  9          4.4         2.9          1.4         0.2 setosa 
#> 10          4.9         3.1          1.5         0.1 setosa 
#> # ... with 90 more rows

有用！但是，如果数据框包含一filtersVector列怎么办？它比环境中的对象优先：

iris %>%
  mutate(filtersVector = "parasite vector") %>%
  MyFilter(c("setosa", "virginica"))
#> # A tibble: 0 x 6
#> # ... with 6 variables: Sepal.Length <dbl>, Sepal.Width <dbl>,
#> #   Petal.Length <dbl>, Petal.Width <dbl>, Species <fct>, filtersVector <chr>

因此，取消引用仍然是一个好主意，因为这将立即评估向量并将其粘贴在过滤器表达式中。它不能再被列掩盖。内联显示为qq_show()：

MyFilter <- function(data, filtersVector) {
  rlang::qq_show(
    data %>% filter(Species %in% !!filtersVector)
  )
}
MyFilter(iris2, c("setosa", "virginica"))
#> data %>% filter(Species %in% <chr: "setosa", "virginica">)