在 dplyr::summarize() 中设置向量的属性有什么影响？

Question

我刚刚遇到了一些奇怪的行为，其中dplyr不断summarize引用前一组中的对象。

\n

这是一个简单的可重复示例来说明令人惊讶的行为：

\n

library(dplyr, warn.conflicts = FALSE)\ntibble(x = rep(letters[1:3], times = 4),\n       y = rnorm(12)) %>%\n  group_by(x) %>%\n  summarize(z1 = sum(y),\n            z2 = {\n              attr(y, "test") <- "test"\n              sum(y)\n            })\n#> # A tibble: 3 \xc3\x97 3\n#>   x         z1    z2\n#>   <chr>  <dbl> <dbl>\n#> 1 a      0.602 0.602\n#> 2 b      1.22  0.602\n#> 3 c     -0.310 0.602\n

\n

^{由reprex 包于 2022 年 10 月 31 日创建(v2.0.1)}

\n

我期望的是z1和z2是相同的。我不明白为什么为向量设置属性y意味着在以后的迭代中，对“正确”元素的引用y被隐藏。

\n

通过在最后一行使用可以轻松解决该问题sum(.data$y)，但我想了解summarize. 任何指向有用文档或解释为什么当前行为在 tidyverse 非标准评估框架中有意义的指针都是值得赞赏的。

\n

---

\n

我正在使用 R 4.1.1 和 dplyr 1.0.7。

\n

Answer 1

这是一个与范围界定相关的问题。如果您写入yinside变量summarize，则数据y变量的第一个分组将被复制到一个名为 的局部变量中y，该变量与y数据框中的 不同。因为它是局部变量，所以它在y传递的数据帧中之前的搜索路径上找到。由于内部后续组的计算使用相同的环境summarize，因此该局部变量对于每个组都保持不变。

如果我们这样做，我们就可以看到这一点：

library(dplyr, warn.conflicts = FALSE)

set.seed(1)

tibble(x = rep(letters[1:3], times = 4),
       y = rnorm(12)) %>%
  group_by(x) %>% 
  summarize(z1 = sum(y),
            z2 = {
              y <- y
              sum(y)
            }) 
#> # A tibble: 3 x 3
#>   x         z1    z2
#>   <chr>  <dbl> <dbl>
#> 1 a      1.15   1.15
#> 2 b      2.76   1.15
#> 3 c     -0.690  1.15

只要我们y从本地框架中删除变量的本地副本，这种情况就不会发生：

library(dplyr, warn.conflicts = FALSE)

set.seed(1)

tibble(x = rep(letters[1:3], times = 4),
       y = rnorm(12)) %>%
  group_by(x) %>% 
  summarize(z1 = sum(y),
            z2 = {
              attr(y, "test") <- "test"
              x <- sum(y)
              rm(y)
              x
            }) 
#> # A tibble: 3 x 3
#>   x         z1     z2
#>   <chr>  <dbl>  <dbl>
#> 1 a      1.15   1.15 
#> 2 b      2.76   2.76 
#> 3 c     -0.690 -0.690

或者更好的是，不要写入与数据框中的变量同名的局部变量：

tibble(x = rep(letters[1:3], times = 4),
       y = rnorm(12)) %>%
  group_by(x) %>% 
  summarize(z1 = sum(y),
            z2 = {
              new_y <- y
              attr(new_y, "test") <- "test"
              sum(new_y)
            }) 
#> # A tibble: 3 x 3
#>   x         z1     z2
#>   <chr>  <dbl>  <dbl>
#> 1 a      1.15   1.15 
#> 2 b      2.76   2.76 
#> 3 c     -0.690 -0.690

^{创建于 2022 年 10 月 31 日，使用reprex v2.0.2}