2

任何人都可以解释一下，我们需要什么!!，!!!或者{{}}运营商来自rlang哪里？我试图了解更多关于 quasiquotation 但没有得到任何东西。

我已经在 Stack 上看到了几篇关于 curly-curly 运算符的帖子，并且了解到{{我们在将数据帧的变量（或我们对象的其他子对象）传递给函数时使用。但是在阅读了quote/unquote之后，我对所有这些运算符及其用法完全感到困惑。

为什么我们需要它，为什么有些函数没有它就不能读取参数，最后，它们实际上是如何工作的？

如果您以我能理解的最简单的方式给出答案，我将不胜感激（也许有例子？）。

4

2 回答 2

3

!!and运算符是占位符，用于将{{变量标记为已被引用。它们通常仅在您打算使用tidyverse. 喜欢利用 NSE （tidyverse非标准评估）来减少重复量。最常见的应用是针对"data.frame"类，其中表达式/符号在搜索其他范围之前在 data.frame 的上下文中进行评估。为了让它工作，一些特殊的函数（比如在 package 中dplyr）有被引用的参数。引用表达式，就是保存构成表达式的符号并防止计算（在tidyverse他们使用“quosures”，这就像一个带引号的表达式，除了它包含对表达式所产生环境的引用）。虽然 NSE 非常适合交互式使用，但它的编程难度明显更高。让我们考虑dplyr::select

 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
 
 iris <- as_tibble(iris)
 
 my_select <- function(.data, col) {
   select(.data, col) 
 }
 
 select(iris, Species)
#> # A tibble: 150 × 1
#>    Species
#>    <fct>  
#>  1 setosa 
#>  2 setosa 
#>  3 setosa 
#>  4 setosa 
#>  5 setosa 
#>  6 setosa 
#>  7 setosa 
#>  8 setosa 
#>  9 setosa 
#> 10 setosa 
#> # … with 140 more rows
 my_select(iris, Species)
#> Error: object 'Species' not found

我们遇到错误，因为在参数范围内my_select 使用col标准评估进行评估并且找不到名为 的变量Species。

如果我们尝试在全局环境中创建一个变量，我们会看到该函数有效 - 但它不符合tidyverse. 事实上，他们会制作一个注释来通知您这是模棱两可的使用。

 Species <- "Sepal.Width"
 my_select(iris, Species)
#> Note: Using an external vector in selections is ambiguous.
#> ℹ Use `all_of(col)` instead of `col` to silence this message.
#> ℹ See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.
#> This message is displayed once per session.
#> # A tibble: 150 × 1
#>    Sepal.Width
#>          <dbl>
#>  1         3.5
#>  2         3  
#>  3         3.2
#>  4         3.1
#>  5         3.6
#>  6         3.9
#>  7         3.4
#>  8         3.4
#>  9         2.9
#> 10         3.1
#> # … with 140 more rows

为了解决这个问题，我们需要防止评估enquo()和取消!!引用或仅使用{{.

 my_select2 <- function(.data, col) {
   col_quo <- enquo(col)
   select(.data, !!col_quo) #attempting to find whatever symbols were passed to `col` arugment
 }
 #' `{{` enables the user to skip using the `enquo()` step.
 my_select3 <- function(.data, col) {
   select(.data, {{col}}) 
 }
 
 my_select2(iris, Species)
#> # A tibble: 150 × 1
#>    Species
#>    <fct>  
#>  1 setosa 
#>  2 setosa 
#>  3 setosa 
#>  4 setosa 
#>  5 setosa 
#>  6 setosa 
#>  7 setosa 
#>  8 setosa 
#>  9 setosa 
#> 10 setosa 
#> # … with 140 more rows
 my_select3(iris, Species)
#> # A tibble: 150 × 1
#>    Species
#>    <fct>  
#>  1 setosa 
#>  2 setosa 
#>  3 setosa 
#>  4 setosa 
#>  5 setosa 
#>  6 setosa 
#>  7 setosa 
#>  8 setosa 
#>  9 setosa 
#> 10 setosa 
#> # … with 140 more rows

总之，您真的只需要!!并且{{如果您尝试以编程方式应用 NSE 或对该语言进行某种类型的编程。

!!!用于将某种列表/向量拼接到某个引用表达式的参数中。

 library(rlang)
 quo_let <- quo(paste(!!!LETTERS))
 quo_let
#> <quosure>
#> expr: ^paste("A", "B", "C", "D", "E", "F", "G", "H", "I", "J", "K", "L",
#>           "M", "N", "O", "P", "Q", "R", "S", "T", "U", "V", "W", "X", "Y",
#>           "Z")
#> env:  global
 eval_tidy(quo_let)
#> [1] "A B C D E F G H I J K L M N O P Q R S T U V W X Y Z"

由reprex 包于 2021-08-30 创建(v2.0.1)

于 2021-08-30T15:17:06.670 回答
3

非标准评估 (NSE) 经常与 tidyverse/dplyr 一起使用，但大多数人每天在加载包时都会遇到它。

a <- "rlang"

print(a)               # Standard evaluation: the expression a is replace by its value
# [1] "rlang"

library(a)             # Non-standard evaluation: the expression a is used as-is
# Error in library(a) : there is no package called ‘a’

那么，如何加载动态指定的包呢？在这里，我们将使用 quasiquotation 进行演示。（在实际代码中，我建议library(a, character.only=TRUE)改为这样做。）

在基础 R 中，您可以使用bquote()动态构造表达式，然后对其求值。

myexpr <- bquote(library(.(a)))      # myexpr will now be library("rlang")
eval(myexpr)                         # rlang is now loaded

rlang提供额外的工具来操作表达式。一般来说，它们允许您比基本的 R 工具更具表现力。的!!行为与上述类似：

myexpr <- rlang::expr(library(!!a))  # Same as above, myexpr is now library("rlang")

您可以使用rlang::exprwith!!构造任何表达式以供将来评估。

x <- rlang::expr(mtcars)
y <- rlang::expr(mpg > 30)
z <- rlang::expr(disp)
rlang::expr(subset(!!x, !!y, !!z))   # Constructs subset(mtcars, mpg > 30, disp)

当您有很多参数时，您可以将它们放在一个列表中并使用!!!快捷方式。上面的表达式可以复制为

l <- rlang::exprs(mtcars, mpg > 30, disp)   # Note the s on exprs
rlang::expr(subset(!!!l))                   # Also builds subset(mtcars, mpg > 30, disp)

{{运算符是最复杂的解释，需要引入定语。

R 中的表达式是一等对象，这意味着它们可以传递给函数，由函数返回等。但是，创建的表达式rlang::expr总是在它们的直接上下文中计算。考虑，

a <- 10
x <- rlang::expr(a+5)

f <- function(y) {
  a <- 5
  eval(y)
}

f(x)     # What does this return?

即使表达式x捕获，在计算表达式之前的a+5值也会发生变化。aQuosures 捕获表达式和定义它们的环境。该环境始终用于评估该表达式。

a <- 10
x <- rlang::quo(a+5)    # Quosure = expression + environment where a == 10

f <- function(y) {
  a <- 5
  eval_tidy(y)          # Instead of simple eval()
}

f(x)                    # 15 = 10 + 5

en-通过使用 和 的版本，expr可以将捕获表达式或 quosure 移动到函数内部quo：

f <- function(y) {
  a <- 5
  eval(rlang::enexpr(y))
}

g <- function(y) {
  a <- 5
  eval_tidy(rlang::enquo(y))
}

允许用户将表达式直接传递给函数

a <- 10
f(a*4)    # 20 = 5*4,  because f captures expressions, and a is overwritten
g(a*4)    # 40 = 10*4, because g captures quosures

综上所述，{{x}}只是!!enquo(x).

于 2021-08-31T02:34:57.150 回答