24

dplyr 0.7 的发布包括对 dplyr 编程的重大改革。我仔细阅读了这份文档，并试图了解它将如何影响我对 dplyr 的使用。

这是我在使用 dplyr 构建报告和聚合函数时使用的一个常见习语：

my_report <- function(data, grouping_vars) {
  data %>%
    group_by_(.dots=grouping_vars) %>%
    summarize(x_mean=mean(x), x_median=median(x), ...)
}

这里，grouping_vars是一个字符串向量。

我喜欢这个习惯用法，因为我可以从其他地方传入字符串向量，比如文件或 Shiny 应用程序的反应式 UI，但它对于交互式工作也不是太糟糕。

但是，在使用 dplyr vignette 的新编程中，我看不到如何使用新的 dplyr 完成类似操作的示例。我只看到了传递字符串不再是正确方法的示例，而我必须使用 quosures。

我很高兴采用 quosures，但我究竟如何从字符串中得到 dplyr 在这里所期望的 quosures？期望整个 R 生态系统为 dplyr 提供 quosures 似乎是不可行的——很多时候我们会得到字符串并且它们必须被转换。

这是一个示例，显示您现在应该做什么，以及我的旧习语如何不起作用：

library(dplyr)
grouping_vars <- quo(am)
mtcars %>%
  group_by(!!grouping_vars) %>%
  summarise(mean_cyl=mean(cyl))
#> # A tibble: 2 × 2
#>      am mean_cyl
#>   <dbl>    <dbl>
#> 1     0 6.947368
#> 2     1 5.076923

grouping_vars <- "am"
mtcars %>%
  group_by(!!grouping_vars) %>%
  summarise(mean_cyl=mean(cyl))
#> # A tibble: 1 × 2
#>   `"am"` mean_cyl
#>    <chr>    <dbl>
#> 1     am   6.1875
4

3 回答 3

13

dplyr将有一个专门的 group_by 函数group_by_at来处理多个分组变量。使用家庭的新成员会容易得多_at：

# using the pre-release 0.6.0

cols <- c("am","gear")

mtcars %>%
    group_by_at(.vars = cols) %>%
    summarise(mean_cyl=mean(cyl))

# Source: local data frame [4 x 3]
# Groups: am [?]
# 
# am  gear mean_cyl
# <dbl> <dbl>    <dbl>
# 1     0     3 7.466667
# 2     0     4 5.000000
# 3     1     4 4.500000
# 4     1     5 6.000000

该.vars参数接受由 生成的字符/数字向量或列名vars：

.vars

由 vars() 生成的列列表，或列名的字符向量，或列位置的数值向量。

于 2017-04-14T17:55:34.750 回答
11

这是我为自己写的快速而肮脏的参考。

# install.packages("rlang")
library(tidyverse)

dat <- data.frame(cat = sample(LETTERS[1:2], 50, replace = TRUE),
                  cat2 = sample(LETTERS[3:4], 50, replace = TRUE),
                  value = rnorm(50))

用字符串表示列名

rlang::sym使用和将字符串转换为符号对象rlang::syms。

summ_var <- "value"
group_vars <- c("cat", "cat2")

summ_sym <- rlang::sym(summ_var)  # capture a single symbol
group_syms <- rlang::syms(group_vars)  # creates list of symbols

dat %>%
  group_by(!!!group_syms) %>%  # splice list of symbols into a function call
  summarize(summ = sum(!!summ_sym)) # slice single symbol into call

如果你使用函数!!或函数!!!之外，dplyr你会得到一个错误。

rlang::sym和的用法rlang::syms在函数内部是相同的。

summarize_by <- function(df, summ_var, group_vars) {

  summ_sym <- rlang::sym(summ_var)
  group_syms <- rlang::syms(group_vars)

  df %>%
    group_by(!!!group_syms) %>%
    summarize(summ = sum(!!summ_sym))
}

然后我们可以summarize_by使用字符串参数调用。

summarize_by(dat, "value", c("cat", "cat2"))

对列/变量名使用非标准评估

summ_quo <- quo(value)  # capture a single variable for NSE
group_quos <- quos(cat, cat2)  # capture list of variables for NSE

dat %>%
  group_by(!!!group_quos) %>%  # use !!! with both quos and rlang::syms
  summarize(summ = sum(!!summ_quo))  # use !! both quo and rlang::sym

内部函数使用enquo而不是quo. quos不过没关系！？

summarize_by <- function(df, summ_var, ...) {

  summ_quo <- enquo(summ_var)  # can only capture a single value!
  group_quos <- quos(...)  # captures multiple values, also inside functions!?

  df %>%
    group_by(!!!group_quos) %>%
    summarize(summ = sum(!!summ_quo))
}

然后我们的函数调用是

summarize_by(dat, value, cat, cat2)
于 2017-05-20T00:26:45.630 回答
6

如果要按可能多于一列进行分组，可以使用quos

grouping_vars <- quos(am, gear)
mtcars %>%
  group_by(!!!grouping_vars) %>%
  summarise(mean_cyl=mean(cyl))
#      am  gear mean_cyl
#   <dbl> <dbl>    <dbl>
# 1     0     3 7.466667
# 2     0     4 5.000000
# 3     1     4 4.500000
# 4     1     5 6.000000

现在，似乎没有一种很好的方法可以将字符串变成 quos。这是一种可行的方法

cols <- c("am","gear")
grouping_vars <- rlang::parse_quosures(paste(cols, collapse=";"))
mtcars %>%
  group_by(!!!grouping_vars) %>%
  summarise(mean_cyl=mean(cyl))
#      am  gear mean_cyl
#   <dbl> <dbl>    <dbl>
# 1     0     3 7.466667
# 2     0     4 5.000000
# 3     1     4 4.500000
# 4     1     5 6.000000
于 2017-04-14T17:08:14.367 回答