Tidyverse、Rlang 和 tidyeval：Bang bang (!!) 在函数内部失败，但它似乎无需引用即可工作

Question

我正在一个长数据库（full_database）上运行一个函数，该数据库有两个主要组，我需要在每个组的多个子集上执行各种线性模型。

然后，我将 R^2、调整后的 R^2 和 p.value 提取到数据框中，其中每一行对应于一次比较。由于有 30 种不同的情况，我有另一个小标题，其中列出了函数参数所在的所有可能性（ possibility ）。

原始函数的脚本是：

database_correlation <-  function(id, group) {

    require(dplyr)
    require(tidyr)
    require(rlang)

    id_name <- quo_name(id)
    id_var <- enquo(id)
    group_name <- quo_name(group)
    group_var <- enquo(group)

    corr_db <- full_database %>%
      filter(numid==!!id_name) %>%
      filter(major_group==!!group_name) %>%
      droplevels()

    correlation <- summary(lm(yvar~xvar, corr_db))

    id.x <- as.character(!!id_var) #Gives out an error: "invalid argument type"
    group.x <- as.character(!!group_var) #Gives out an error: "invalid argument type"
    r_squared <- correlation$r.squared
    r_squared_adj <- correlation$adj.r.squared
    p_value <- correlation$coefficients[2,4]

    data.frame(id.x, group.x, r_squared, r_squared_adj, p_value, stringsAsFactors=FALSE)
  }

然后我运行该函数：

correlation_all <- lapply(seq(nrow(possibilities)), function(index) {
    current <- possibilities[index,]
    with(current, database_correlation(id, database))
  }) %>%
    bind_rows()

我已经评论了出现错误的部分（id.x 和 group.x 分配），并且我尝试了多种替代方案（我将使用 id.x 作为示例）：

1. id_var <- enquo(id) & id.x <- print(!!id_var)
2. id_var <- sym(id) & id.x <- as.character(!!id_var)
3. id_var <- sym(id) & id.x <- print(!!id_var)
4. 没有 id_var & id.x <- !!id_name
5. 没有 id_var & id.x <- id_name

最后一个选项（粗体）即使没有取消引号也可以工作，如果我在过滤 full_database 时直接使用filter(numid==id_name)删除 bang bang (!!) ，情况也是如此，但我可以'不明白为什么。通过使用 TRUE 和 FALSE 进行测试，R 可能会将 bang bang 解释为双重否定，并且由于它需要布尔值，因此会抛出错误。

感谢您的帮助！

Answer 1

直接使用idand group- 我假设这些是传入的字符串，所以我认为不需要将 quosure 强制为字符串。此外， !!可以在支持整洁评估的函数内部使用。确定这一点的简单第一步是“该函数来自基本 R 包”。as.character()是，所以它不起作用。

如果您决定将 quosure 转换为字符串，则可以使用 将rlang::as_name()相应的符号作为字符串检索。这是推荐的方法。

通过使用 TRUE 和 FALSE 进行测试，R 可能会将 bang bang 解释为双重否定，并且由于它需要布尔值，因此会抛出错误。

你的假设是正确的。

最后一个选项（粗体）即使没有取消引号也可以工作，如果我在过滤 full_database 时使用 filter(numid==id_name) 删除 bang bang (!!) ，情况也是如此

整洁评估的核心是在正确的环境中评估符号，或者至少这是我的看法。这filter()是有效的，因为它查找符号id_name，在数据中（它查找的第一个位置）没有找到它，然后在封闭环境中查找，找到它，并评估该语句。

id_name想象一下，如果您有一个在数据中命名的列。您如何区分数据id_name和封闭环境中的数据。好吧，如果您想要数据的值，您可以使用.data$id_name（另一个 rlang 构造）。如果您想要数据之外的值，请使用!!。这告诉支持整洁评估的函数查看规则。quosure 标识了它是在哪个环境中定义的。然后它会在该环境中评估该符号，确保不会与数据中的名称发生冲突。