3

dplyr 的最新版本不推荐使用下划线版本的函数,例如 filter_,而支持tidy evaluation

下划线形式的新形式是什么预期的新形式?如何使用 R CMD 检查避免未定义的符号?

library(dplyr)

df <- data_frame(id = rep(c("a","b"), 3), val = 1:6)
df %>% filter_(~id == "a")

# want to avoid this, because it references column id in a variable-style
df %>% filter( id == "a" )

# option A
df %>% filter( UQ(rlang::sym("id")) == "a" )
# option B
df %>% filter( UQ(as.name("id")) == "a" )
# option C
df %>% filter( .data$id == "a" )

是否有首选或更深思熟虑的形式?选项 C 最短,但在我的一些真实世界较大的数据集和更复杂的 dplyr 构造上速度较慢:

microbenchmark(
sym = dsPClosest %>%
  group_by(!!sym(dateVarName), !!sym("depth")) %>%
  summarise(temperature = mean(!!sym("temperature"), na.rm = TRUE)
            , moisture = mean(!!sym("moisture"), na.rm = TRUE)) %>%
  ungroup()
,data = dsPClosest %>%
    group_by(!!sym(dateVarName), .data$depth ) %>%
    summarise(temperature = mean(.data$temperature , na.rm = TRUE)
              , moisture = mean(.data$moisture , na.rm = TRUE)) %>%
    ungroup()  
,times=10
)
#Unit: milliseconds
# expr        min         lq      mean     median        uq       max neval
#  sym   80.05512   84.97267  122.7513   94.79805  100.9679  392.1375    10
# data 4652.83104 4741.99165 5371.5448 5039.63307 5471.9261 7926.7648    10

mutate_使用更复杂的语法还有另一个答案。

4

3 回答 3

2

根据您的评论,我想应该是:

df %>% filter(!!as.name("id") == "a")

rlang是不必要的,因为您可以使用!!andas.name而不是UQand来执行此操作sym

但也许更好的选择是范围过滤器,它可以避免与 quosure 相关的问题:

df %>% filter_at(vars("id"), all_vars(. == "a"))

在上面的代码中,vars()确定了我们要将过滤语句应用于哪些列(在 for 的帮助中filter_at,过滤语句称为“谓词”。在这种情况下,vars("id")表示过滤语句仅应用于id列。过滤statement 可以是all_vars()orany_vars()语句,尽管在这种情况下它们是等价的。all_vars(. == "a")意味着中的所有列vars("id")必须相等"a"。是的,这有点令人困惑。

与您的示例类似的数据时序:在这种情况下,我们使用group_by_atand summarise_at,它们是这些函数的作用域版本:

set.seed(2)
df <- data_frame(group = sample(1:100,1e4*52,replace=TRUE), 
                 id = rep(c(letters,LETTERS), 1e4), 
                 val = sample(1:50,1e4*52,replace=TRUE))

microbenchmark(
quosure=df %>% group_by(!!as.name("group"), !!as.name("id")) %>% 
  summarise(val = mean(!!as.name("val"))),
data=df %>% group_by(.data$group, .data$id) %>% 
  summarise(val = mean(.data$val)),
scoped_group_by = df %>% group_by_at(vars("group","id")) %>% 
  summarise_at("val", mean), times=10)
Unit: milliseconds
            expr       min        lq      mean    median        uq       max neval cld
         quosure  59.29157  61.03928  64.39405  62.60126  67.93810  72.47615    10  a 
            data 391.22784 394.65636 419.24201 413.74683 425.11709 498.42660    10   b
 scoped_group_by  69.57573  71.21068  78.26388  76.67216  82.89914  91.45061    10  a

原始答案

我认为在这种情况下,您可以将过滤器变量作为裸名输入,然后使用enquoand !!(相当于UQ)来使用过滤器变量。例如:

library(dplyr)

fnc = function(data, filter_var, filter_value) {
  filter_var=enquo(filter_var)
  data %>% filter(!!filter_var == filter_value)
}

fnc(df, id, "a")
     id   val
1     a     1
2     a     3
3     a     5
fnc(mtcars, carb, 3)
   mpg cyl  disp  hp drat   wt qsec vs am gear carb 
1 16.4   8 275.8 180 3.07 4.07 17.4  0  0    3    3 
2 17.3   8 275.8 180 3.07 3.73 17.6  0  0    3    3 
3 15.2   8 275.8 180 3.07 3.78 18.0  0  0    3    3 
于 2017-12-06T00:17:08.403 回答
0
# option F: using the dot .
df %>% filter( .$id == "a" )

# slow in progtw's real-world problem:
microbenchmark(
  sym = dsPClosest %>%
    group_by(!!sym(dateVarName), !!sym("depth")) %>%
    summarise(temperature = mean(!!sym("temperature"), na.rm = TRUE)
              , moisture = mean(!!sym("moisture"), na.rm = TRUE)) %>%
    ungroup()
  ,dot = dsPClosest %>%
    group_by(!!sym(dateVarName), .$depth ) %>%
    summarise(temperature = mean(.$temperature , na.rm = TRUE)
              , moisture = mean(.$moisture , na.rm = TRUE)) %>%
    ungroup()  
  ,times=10
)
#Unit: milliseconds
# expr          min           lq         mean       median           uq         max neval
#  sym     75.37921     78.86365     90.72871     81.22674     90.77943    163.2081    10
#  dot 115452.88945 116260.32703 128314.44451 125162.46876 136578.09888 149193.9751    10

类似于选项 c (.data$) 但更短。但是,在我的实际应用程序中表现不佳。

此外,我没有找到关于何时可以使用它的文档。

于 2017-12-08T10:08:45.980 回答
0
# option D: uses formula instead of string
df %>% filter( UQ(f_rhs(~id)) == "a" )

仍然很冗长,但避免了双引号。

microbenchmark 等于(或比选项 B 快一点),即 as.name 解决方案。

于 2017-12-06T19:51:01.603 回答