作为 dplyr 管道的一部分，将中间输出分配给 temp 变量

Posted 2023-02-16

【中文标题】作为 dplyr 管道的一部分，将中间输出分配给 temp 变量

【英文标题】：Assign intermediate output to temp variable as part of dplyr pipeline

【发布时间】：2017-03-15 04:02:31

【问题描述】：

问：在 R dplyr 管道中，如何将一些中间输出分配给临时变量，以便在管道中进一步使用？

我下面的方法有效。但它分配到全局框架中，这是不可取的。必须有更好的方法，对吧？我认为涉及注释行的方法会得到预期的结果。没有骰子。很困惑为什么这不起作用。

df <- data.frame(a = LETTERS[1:3], b=1:3)
df %>%
  filter(b < 3) %>%
  assign("tmp", ., envir = .GlobalEnv) %>% # works
  #assign("tmp", .) %>% # doesn't work
  mutate(b = b*2) %>%
  bind_rows(tmp)
  a b
1 A 2
2 B 4
3 A 1
4 B 2

【问题讨论】：

只需使用 2 个管道。这是不必要的混淆。

您可能会喜欢pipeR，其中can assign (and a lot more) in the middle of a pipeline，但如果您打算与任何人共享您的代码，它可能会有点象形文字。

这并不比你的例子好，但语法可以说更好一点：df %>% filter(b < 3) %>% . ->> tmp %>% mutate(b = b*2) %>% bind_rows(tmp)

这是一种强烈的代码气味，您不应该这样做。告诉我们为什么您要保存临时过滤结果tmp，即您最终要通过第二个管道实现什么目标？如果不保存 tmp 而只是重复filter() 步骤，会有什么问题？

好的，所以共识是“不要这样做，使用两条管道”

【参考方案1】：

您可以在管道中需要的位置生成所需的对象。例如：

df %>% filter(b < 3) %>% mutate(b = b*2) %>%
  bind_rows(df %>% filter(b < 3))

这种方法避免了两次过滤：

df %>%
  filter(b < 3) %>%
  bind_rows(., mutate(., b = b*2))

【讨论】：

这在技术上适用于我的玩具示例。但我认为，对于具有多个临时分配的更复杂、更长的管道来说，这是不可行的

如果您能提供一个更复杂的用例作为示例，将会很有帮助。我通常只是在管道中需要它的地方创建所需的对象。

是的，这就是我一直在做的事情。但我认为可能有一种更 dplyr-ey 的方式来处理它。那时也许不会。

【参考方案2】：

pipeR 是一个在不添加不同管道的情况下扩展管道功能的包（就像magrittr 所做的那样）。要进行分配，您传递一个变量名，用括号括起来 ~ 作为管道中的一个元素：

library(dplyr)
library(pipeR)

df %>>%
  filter(b < 3) %>>%
  (~tmp) %>>% 
  mutate(b = b*2) %>>%
  bind_rows(tmp)
##   a b
## 1 A 2
## 2 B 4
## 3 A 1
## 4 B 2

tmp
##   a b
## 1 A 1
## 2 B 2

虽然语法描述性不强，但pipeR 是very well documented。

【讨论】：

请注意，这种方法似乎不适用于问题中的原始管道（即 `%>%）

对； %>>% 是 %>% 的扩展。从技术上讲，您可以用 pipeR 管道覆盖 magrittr 管道而不会破坏任何东西，但这会使弄清楚为什么代码很奇怪。

【参考方案3】：

这不会在全局环境中创建对象：

df %>% 
   filter(b < 3) %>% 
    
      . -> tmp  %>% 
     mutate(b = b*2) %>% 
     bind_rows(tmp) 
   

如果您使用 . ->> tmp 而不是 . -> tmp 或将其插入管道，这也可用于调试：

 browser(); .  %>% 

【讨论】：

为什么是右侧赋值->而不是传统的

这只是一个品味问题，分配的工作方式相同，但对我来说，右侧的分配似乎有点像管道的流动:-)

对这个很好的解决方案的重要警告：这仅适用于通过管道传输到 RHS 的原始对象 .。因此，如果您使用names(.) ->> tmp，那么names(.) 将通过管道传递。

【参考方案4】：

为了调试，我对这个问题很感兴趣（想要保存中间结果，以便我可以从控制台检查和操作它们，而不必将管道分成很麻烦的两部分。所以，为了我的目的， OP的解决方案原始解决方案的唯一问题是它有点冗长。

这可以通过定义一个辅助函数来解决：

to_var <- function(., ..., env=.GlobalEnv) 
  var_name = quo_name(quos(...)[[1]])
  assign(var_name, ., envir=env)
  .

然后可以按如下方式使用：

df <- data.frame(a = LETTERS[1:3], b=1:3)
df %>%
  filter(b < 3) %>%
  to_var(tmp) %>%
  mutate(b = b*2) %>%
  bind_rows(tmp)
# tmp still exists here

这仍然使用全局环境，但您也可以显式传递更本地的环境，如下例所示：

f <- function() 
    df <- data.frame(a = LETTERS[1:3], b=1:3)
    env = environment()
    df %>%
      filter(b < 3) %>%
      to_var(tmp, env=env) %>%
      mutate(b = b*2) %>%
      bind_rows(tmp)

f()
# tmp does not exist here

accepted solution 的问题在于它似乎无法与 tidyverse 管道一起使用。 G. Grothendieck's solution 根本不适用于调试用例。（更新：请参阅下面 G. Grothendieck 的评论和他的更新答案！）

最后，assign("tmp", .) %>% 不起作用的原因是assign() 的默认 'envir' 参数是“当前环境”（参见documentation for assign），它在管道的每个阶段都不同。要查看这一点，请尝试将 print(environment()); . %>% 插入管道的各个点，并查看每次打印的地址不同。 （可能可以调整 to_var 的定义，以便默认为祖父母环境。）

【讨论】：

查看我在帖子末尾添加的关于如何使用它进行调试的信息。

@G.Grothendieck 非常棒。 . ->> tmp %>% 解决了我的问题并且更简单。 （我已经划掉了我的部分答案，并对你的答案投了赞成票。）

【参考方案5】：

我经常发现需要在管道中保存中间产品。虽然我的用例通常是为了避免重复过滤器以供以后拆分、操作和重新组装，但该技术在这里可以很好地工作：

df %>%
  filter(b < 3) %>%
  . ->> intermediateResult %>%  # this saves intermediate 
  mutate(b = b*2) %>%
  bind_rows(intermediateResult)