变异/过滤与另一个数据框同名的列

Question

我想做这样的事情（一个愚蠢的代表）：

iris %>%
    mutate(mtcars = Sepal.Length * 7) %>%
    filter(mtcars < max(mtcars$mpg))

其中第一个mtcars引用 中的列iris，而第二个mtcars引用外部 data.frame。

我意识到我可以预先计算max(mtcars$mpg)或简单地重新标记 data.frame，但我想知道是否有一种方法可以在原位显式区分两者？例如：

iris %>%
    mutate(mtcars = Sepal.Length * 7) %>%
    filter(`mtcars` < max(EXTERNAL::mtcars$mpg))
#              ^                        ^
#            column               Not a column

Answer 1

根据此链接 - https://rlang.r-lib.org/reference/dot-data.html，Tidyverse建议的方法是使用.data和.env代词来区分。

使用数据屏蔽函数进行编程时，.data 和 .env 代词明确了在何处查找对象。

所以在这种情况下，代码将是：

iris %>%
    mutate(mtcars = Sepal.Length * 7) %>%
    filter(mtcars < max(.env$mtcars$mpg))

Answer 2

如果“其他”数据集不是包的一部分，或者您不一定先验知道该包，则可以get在 dplyr 管道外部的环境中使用。

e <- environment() # disposable after this next pipe
iris %>%
  mutate(mtcars = Sepal.Length * 7) %>%
  filter(mtcars < max(get("mtcars", envir = e)$mpg))
#    Sepal.Length Sepal.Width Petal.Length Petal.Width Species mtcars
# 1           4.7         3.2          1.3         0.2  setosa   32.9
# 2           4.6         3.1          1.5         0.2  setosa   32.2
# 3           4.6         3.4          1.4         0.3  setosa   32.2
# 4           4.4         2.9          1.4         0.2  setosa   30.8
# 5           4.8         3.4          1.6         0.2  setosa   33.6
# 6           4.8         3.0          1.4         0.1  setosa   33.6
# 7           4.3         3.0          1.1         0.1  setosa   30.1
# 8           4.6         3.6          1.0         0.2  setosa   32.2
# 9           4.8         3.4          1.9         0.2  setosa   33.6
# 10          4.7         3.2          1.6         0.2  setosa   32.9
# 11          4.8         3.1          1.6         0.2  setosa   33.6
# 12          4.4         3.0          1.3         0.2  setosa   30.8
# 13          4.5         2.3          1.3         0.3  setosa   31.5
# 14          4.4         3.2          1.3         0.2  setosa   30.8
# 15          4.8         3.0          1.4         0.3  setosa   33.6
# 16          4.6         3.2          1.4         0.2  setosa   32.2

使用e <- environment()and then envir = e，我们允许以这种方式使用“本地”（可能是函数内）数据集，而不是假设或依赖全局环境数据集或包数据集等。

Answer 3

是的，在这种情况下您可以使用datasets::mtcars

iris %>%
  mutate(mtcars = Sepal.Length * 7) %>%
  filter(mtcars < max(datasets::mtcars$mpg))
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species mtcars
#> 1           4.7         3.2          1.3         0.2  setosa   32.9
#> 2           4.6         3.1          1.5         0.2  setosa   32.2
#> 3           4.6         3.4          1.4         0.3  setosa   32.2
#> 4           4.4         2.9          1.4         0.2  setosa   30.8
#> 5           4.8         3.4          1.6         0.2  setosa   33.6
#> 6           4.8         3.0          1.4         0.1  setosa   33.6
#> 7           4.3         3.0          1.1         0.1  setosa   30.1
#> 8           4.6         3.6          1.0         0.2  setosa   32.2
#> 9           4.8         3.4          1.9         0.2  setosa   33.6
#> 10          4.7         3.2          1.6         0.2  setosa   32.9
#> 11          4.8         3.1          1.6         0.2  setosa   33.6
#> 12          4.4         3.0          1.3         0.2  setosa   30.8
#> 13          4.5         2.3          1.3         0.3  setosa   31.5
#> 14          4.4         3.2          1.3         0.2  setosa   30.8
#> 15          4.8         3.0          1.4         0.3  setosa   33.6
#> 16          4.6         3.2          1.4         0.2  setosa   32.2

更通用的解决方案是引用environment找到数据集的位置。例如，假设数据框位于您的全局环境中：

iris %>%
  mutate(mtcars = Sepal.Length * 7) %>%
  filter(mtcars < max(.GlobalEnv$mtcars$mpg))
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species mtcars
#> 1           4.7         3.2          1.3         0.2  setosa   32.9
#> 2           4.6         3.1          1.5         0.2  setosa   32.2
#> 3           4.6         3.4          1.4         0.3  setosa   32.2
#> 4           4.4         2.9          1.4         0.2  setosa   30.8
#> 5           4.8         3.4          1.6         0.2  setosa   33.6
#> 6           4.8         3.0          1.4         0.1  setosa   33.6
#> 7           4.3         3.0          1.1         0.1  setosa   30.1
#> 8           4.6         3.6          1.0         0.2  setosa   32.2
#> 9           4.8         3.4          1.9         0.2  setosa   33.6
#> 10          4.7         3.2          1.6         0.2  setosa   32.9
#> 11          4.8         3.1          1.6         0.2  setosa   33.6
#> 12          4.4         3.0          1.3         0.2  setosa   30.8
#> 13          4.5         2.3          1.3         0.3  setosa   31.5
#> 14          4.4         3.2          1.3         0.2  setosa   30.8
#> 15          4.8         3.0          1.4         0.3  setosa   33.6
#> 16          4.6         3.2          1.4         0.2  setosa   32.2