使用传递给 dplyr::filter 的参数创建一个函数 解决 nse 的最佳方法是啥？

Posted 2023-02-27

【中文标题】使用传递给 dplyr::filter 的参数创建一个函数 解决 nse 的最佳方法是啥？

【英文标题】：Creating a function with an argument passed to dplyr::filter what is the best way to work around nse?使用传递给 dplyr::filter 的参数创建一个函数 解决 nse 的最佳方法是什么？

【发布时间】：2016-08-07 10:41:35

【问题描述】：

非标准评估真的很方便 使用 dplyr 的动词。但是在使用这些时可能会出现问题 带有函数参数的动词。 例如让我们说我想创建一个函数 给我一个给定物种的行数。

# Load packages and prepare data
library(dplyr)
library(lazyeval)
# I prefer lowercase column names
names(iris) <- tolower(names(iris))
# Number of rows for all species
nrow(iris)
# [1] 150

示例不起作用

此功能无法按预期工作，因为species 在 iris 数据框的上下文中解释 而不是在上下文中被解释 函数参数：

nrowspecies0 <- function(dtf, species)
    dtf %>%
        filter(species == species) %>%
        nrow()

nrowspecies0(iris, species = "versicolor")
# [1] 150

3 个实现示例

要解决非标准评估， 我通常在参数后面加上下划线：

nrowspecies1 <- function(dtf, species_)
    dtf %>%
        filter(species == species_) %>%
        nrow()


nrowspecies1(iris, species_ = "versicolor")
# [1] 50
# Because of function name completion the argument
# species works too
nrowspecies1(iris, species = "versicolor")
# [1] 50

并不完全令人满意 因为它将函数参数的名称更改为 一些不太用户友好的东西。或者它依赖于自动完成 恐怕这不是编程的好习惯。 为了保持一个好的参数名称， 我可以这样做：

nrowspecies2 <- function(dtf, species)
    species_ <- species
    dtf %>%
        filter(species == species_) %>%
        nrow()

nrowspecies2(iris, species = "versicolor")
# [1] 50

解决非标准评估的另一种方法 基于this answer。 interp() 在上下文中解释 species 功能环境：

nrowspecies3 <- function(dtf, species)
    dtf %>%
        filter_(interp(~species == with_species, 
                       with_species = species)) %>%
        nrow()

nrowspecies3(iris, species = "versicolor")
# [1] 50

考虑到上面的3个函数， 实现此过滤器功能的首选 - 最强大的方式是什么？ 还有其他方法吗？

【问题讨论】：

数据框列名引用是我开始偏爱python的原因之一。请参阅Tidyverse style pandas：“”“Tidyverse 允许对变量名称的引用和未引用的混合引用。在我的（不）经验中，这带来的便利伴随着同样的惊愕。在我看来，如果所有变量都像 pandas 一样一直被引用，那么 tidyeval 解决的很多问题就不会存在，但我可能在这里遗漏了更深层次的真相……“”“

【参考方案1】：

这个问题与非标准评价完全无关。让我重写你的初始函数来说明这一点：

nrowspecies4 <- function(dtf, boo)
    dtf %>%
        filter(boo == boo) %>%
        nrow()

nrowspecies4(iris, boo = "versicolor")
#150

filter 中的表达式总是计算为 TRUE（几乎总是 - 参见下面的示例），这就是它不起作用的原因，而不是因为某些 NSE 魔法。

您的nrowspecies2 是正确的选择。

Fwiw，nrowspecies0 中的 species 确实被评估为列，而不是输入变量 species，您可以通过将 nrowspecies0(iris, NA) 与 nrowspecies4(iris, NA) 进行比较来检查。

【讨论】：

不知道为什么，但这对我不起作用。我最终使用了filter_，如下面的the answer 中所建议的那样。 （E：我的函数也使用了group_by 并进一步传递了结果，所以也许这就是原因）

【参考方案2】：

@eddi 对这里发生的事情的回答是正确的。 我正在写另一个答案，以解决如何使用dplyr 动词编写函数的更大要求。您会注意到，它最终会使用 nrowspecies2 之类的东西来避免 species == species 重言式。

要编写一个包含 dplyr 动词的函数，该函数将与 NSE 一起使用，请编写两个函数：

首先编写一个需要引用输入的版本，使用 lazyeval 和 dplyr 动词的 SE 版本。所以在这种情况下，filter_。

nrowspecies_robust_ <- function(data, species) 
  species_ <- lazyeval::as.lazy(species) 
  condition <- ~ species == species_ # *
  tmp <- dplyr::filter_(data, condition) # **
  nrow(tmp)
 
nrowspecies_robust_(iris, ~versicolor) 

第二制作一个使用 NSE 的版本：

nrowspecies_robust <- function(data, species)  
  species <- lazyeval::lazy(species) 
  nrowspecies_robust_(data, species) 
 
nrowspecies_robust(iris, versicolor) 

* = 如果您想做更复杂的事情，您可能需要在此处使用lazyeval::interp，如下面链接中的提示所示

** = 另外，如果您需要更改输出名称，请参阅 .dots 参数

以上，我关注some tips from Hadley

另一个很好的资源是the dplyr vignette on NSE，它说明了.dots、interp，以及lazyeval包中的其他功能

更多关于lazyeval的详细信息see it's vignette

有关用于使用 NSE 的基本 R 工具的全面讨论（其中许多 lazyeval 可帮助您避免），请参阅高级 R 中的 the chapter on NSE

【讨论】：

谢谢，你提到的来自 Hadley 的电子邮件让我看到了 vignette("lazyeval")，它解释说“每个使用 NSE 的函数都应该有一个标准评估 (SE) 逃生舱口来进行实际计算。SE -函数名称应以 _ 结尾。”我想解释一下 lazyeval 小插图末尾的“适合编程”是什么意思。这是否意味着我不应该在函数内部使用 nse？

是的，或者至少你应该尽可能避免它。还可以在这里查看“非标准评估的缺点”部分adv-r.had.co.nz/Computing-on-the-language.html 正如 Hadley 在该章中解释的那样，基本问题是 NSE 在程序中很难推理，因为函数可能在不同的上下文中表现不同。也就是说，当以交互方式使用时，NSE 函数的行为可能与在函数中使用时不同。

Hadley 在his keynote at the 2016 UseR conference 中解释了“参照透明”的概念（在 38 分钟 30 秒时）。 “公式保留代码和应该评估此代码的环境，而无需实际进行评估。”我使用公式创建了一个示例并将其粘贴到新答案中。

【参考方案3】：

in his 2016 UseR talk (@38min30s)，Hadley Wickham 解释了referential transparency 的概念。使用公式，过滤函数可以重新表述为：

nrowspecies5 <- function(dtf, formula)
    dtf %>%
        filter_(formula) %>%
        nrow()

这具有更通用的额外好处

# Make column names lower case
names(iris) = tolower(names(iris)) 
nrowspecies5(iris, ~ species == "versicolor")
# 50
nrowspecies5(iris, ~ sepal.length > 6 & species == "virginica")
# 41
nrowspecies5(iris, ~ sepal.length > 6 & species == "setosa")
# 0

【讨论】：

这会引发错误Error: object 'species' not found

那是因为我喜欢将所有列名都设为小写，无论如何我都用names(iris) = tolower(names(iris)) 更新了答案，filter_() 已被弃用，所以我可能应该更广泛地修改答案。