标签: rlang

我正在寻找一种方法来连接 quosure 和一个结果是 quosure 的字符串。实际上，如果我使用paste0()and quo_name()，我就可以做到。但我想知道是否有更优雅的替代方案可以在我的包中编写函数。这是一个通用示例：

library(dplyr)

df <- data_frame(
  z_1 = 1,
  z_2 = 2,
  y_1 = 10,
  y_2 = 20
)

get_var <- function(.data, var) {
  xx = enquo(var)

  select(.data, paste0(quo_name(xx), "_1"), paste0(quo_name(xx), "_2"))
}

get_var(df, z)
# A tibble: 1 x 2
    z_1   z_2
  <dbl> <dbl>
1     1     2

我试图理解rlang包中解释的非标准评估。考虑到这个目标，我的问题是：

如何编写dplyr::select.list()符合整洁评估原则的函数？

这是我当前如何编写包装器的示例dplyr::select()：

select_wrapper <- function(x, ...) {
  vars <- rlang::quos(...)
  dplyr::select(x, !!!vars)
}

适用于数据框，例如，

> select_wrapper(mtcars, cyl, mpg)
> ##                     cyl  mpg
> ## Mazda RX4             6 21.0
> ## Mazda RX4 Wag         6 21.0
> ## Datsun 710            4 22.8
> ## Hornet 4 Drive        6 21.4
> ## Hornet Sportabout     8 18.7
> ## Valiant               6 18.1

但不在列表中：

attr(mtcars, "test") <- "asdf"
mtcars_list <- attributes(mtcars)
select_wrapper(mtcars_list, row.names, test)
> ## 1: …

我已将 curly-curly 与group_by和 一起使用，如rlang 公告summarise中所述。但是当我改变一个变量时我无法让它工作。目前使用 dplyr 执行此操作的最佳方法是什么？

假设我想提供一个不带引号的列名并对其进行变异，这是一个不起作用的玩具示例函数：

my_fun <- function(dat, var_name){
  dat %>%
    mutate({{var_name}} = 1)
}

my_fun(mtcars, cyl)

该mutate行应该是什么才能将 mtcars 中的任何列更改为常量？

该.env代词用来指代对象的环境（而不是一个data.frame内）以及内业等dplyr动词，但返回一个错误slice_max。为什么？考虑以下函数：

library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
library(rlang)

f1 <- function(y) {
  d <- tibble(x = runif(20))
  d %>% 
    slice_max(order_by = .data$x, n = .env$y)
}

f2 <- function(y) {
  d <- tibble(x = runif(20))
  d %>% 
    filter(.data$x >= .env$y)
}

f3 <- function(y) {
  d <- tibble(x = runif(20)) …

是否可以{{在 lm 公式中使用 rlang tidy 求值运算符？

我知道您可以使用双花括号来定义一个通用函数，如下所示：

my_scatter <- function(df, xvar, yvar) {
     ggplot(df) +
          geom_point(aes(x = {{xvar}}, y = {{yvar}}))
}

my_scatter(mpg, cty, hwy) 

但我想知道是否有一种方法可以在公式中进行类似的调用，例如在 lm() 内部：

my_lm <- function(df, yvar, xvar) {
     lm({{yvar}} ~ {{xvar}} , data = df)
}

my_lm(mpg, cty, hwy) 

我已经通读了《Programming with dplyr》并理解了这一点rename()并select()使用了整洁的选择。我试图将其与粘合语法结合起来，以使用新的双卷曲语法（rlang v0.4.0）创建自定义函数，但是我得到了额外的引号：

library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union

sel_var = "homeworld"

# Attempt at using (newer) double curly syntax:
starwars %>% 
  select("{{sel_var}}_old" := {{ sel_var }})
#> # A tibble: 87 x 1
#>    `"homeworld"_old`
#>    <chr>            
#>  1 Tatooine               
#> # ... with 77 more …

我正在努力理解如何使用{{ }}运算符在自定义函数中传递裸变量名称。当我将运算符与子句结合使用时，出现错误if。

该函数的工作原理：

f <- function(.data, .vars=NULL){
  require(dplyr)
  df = select(.data, {{ .vars }})
  print(head(df))
}

f(iris, c(Species, Sepal.Length))
#> Loading required package: dplyr
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
#>   Species Sepal.Length
#> 1  setosa          5.1
#> 2  setosa          4.9
#> 3  setosa          4.7
#> 4  setosa          4.6
#> 5 …

我想获取一个 tibble （或数据框），将其中一列转换为数字，仅选择同一列加上第三列，然后过滤掉 NA。

给出以下数据：

library(tidyverse)\n\nset.seed(1) \n\nmytib <- tibble(a = as.character(c(1:5, NA)), \n                b = as.character(c(6:8, NA, 9:10)), \n                c = as.character(sample(x = c(0,1), size = 6, replace = TRUE)))\n\nvars <- c("a", "b")\n

我创建了以下函数

convert_tib <- function(var, tib){\n  tib <- tib %>% \n    mutate("{var}" = as.numeric({{ var }})) %>%\n    dplyr::select({{ var }}, c) %>%\n    filter(!is.na({{ var }}))\n  return(tib)\n}\n

并使用 purrr:map 运行它

map(vars, ~ convert_tib(var = ., tib = mytib))\n

遗憾的是，此代码的输出不会将向量转换为数字，也不会过滤掉 NA。我尝试了许多不同的策略，例如函数内部的ensym(var)and …

我正在尝试使用tidyeval进行编程。

我想编写一个函数为选定的结果变量运行逻辑回归模型：

library(tidyverse)
set.seed(1234)

df <- tibble(id = 1:1000,
             group = sample(c("Group 1", "Group 2", "Group 3"), 1000, replace = TRUE),
             died = sample(c(0,1), 1000, replace = TRUE))

myfunc <- function(data, outcome){

enquo_var <- enquo(outcome)

fit <- tidy(glm(!!enquo_var ~ group, data=data, 
                family = binomial(link = "logit")), 
                exponentiate = TRUE, conf.int=TRUE)

fit
}


myfunc(df, died)

但是得到：

！enquo_outcome错误：参数类型无效

（请注意，实际情况涉及更复杂的功能）。

这可能吗？

我已经阅读了几个关于dplyr编程的指南,我仍然对如何解决使用非标准评估(NSE)评估构造/连接字符串的问题感到困惑.我意识到有更好的方法来解决这个例子,而不是使用NSE,但想要学习如何.

t <- tibble( x_01 = c(1, 2, 3), x_02 = c(4, 5, 6))
i <- 1

这是我想要的结果,但是想要mutate()构造变量:

t %>% mutate(d_01 = x_01 * 2)
#>   A tibble: 3 x 3
#>   x_01  x_02  d_01
#>   <dbl> <dbl> <dbl>
#> 1  1.00  4.00  2.00
#> 2  2.00  5.00  4.00
#> 3  3.00  6.00  6.00

这是我第一次尝试使用字符串:

new <- sprintf("d_%02d", i)
var <- sprintf("x_%02d", i)
t %>% mutate(new = var * 2)
#> Error in mutate_impl(.data, dots) : …