R dplyr 对仅通过其字符串名称已知的列进行操作

Question

我正在努力使用 R 中的 dplyr 对数据框的列进行编程，这些列仅以其字符串名称为人所知。我知道最近对 dplyr 进行了更新以支持 quosures 等，我已经在此处查看了我认为是新 "Programming with dplyr" 文章的相关组件：http://dplyr.tidyverse.org/articles/programming.html。但是，我还是做不到我想做的。

我的情况是我只通过字符串名称知道数据框的列名。因此，我不能在函数内调用 dplyr 时使用非标准评估，甚至不能在列名可能在运行之间更改的脚本中使用非标准评估，因为我无法对未引用的内容进行硬编码（即 "bare"）列名。我想知道如何解决这个问题，我猜我忽略了一些新的 quoting/unquoting 语法。

例如，假设我有定义数据分布的截止百分位数的用户输入。用户可以运行使用任何百分位数 he/she 想要的代码，并且百分位数 he/she 选择将更改输出。在分析中，中间数据框中的一列是用所使用的百分位数名称创建的；因此，此列的名称会根据用户输入的截止百分位数而变化。

下面是一个最小的例子来说明。我想用截止百分位数的各种值调用该函数。我希望名为 MPGCutoffs 的数据框有一个根据所选截止分位数命名的列（这目前在下面的代码中有效），我想稍后对该列名称进行操作。由于这个列名的通用性，我在写函数的时候只能根据输入的pctCutoff来知道，所以我需要一种在只知道[=定义的字符串的情况下对其进行操作的方法16=]，它遵循基于 pctCutoff.

值的预定义模式

userInput_prob1 <- 0.95
userInput_prob2 <- 0.9

# Function to get cars that have the "best" MPG
# fuel economy, where "best" is defined by the
# percentile cutoff passed to the function.
getBestMPG <- function( pctCutoff ){

  # Define new column name to hold the MPG percentile cutoff.
  probColName <- paste0('P', pctCutoff*100)

  # Compute the MPG percentile cutoff by number of gears.
  MPGCutoffs <- mtcars %>%
    dplyr::group_by( gear ) %>%
    dplyr::summarize( !!probColName := quantile(mpg, pctCutoff) )

  # Filter mtcars with only MPG values above cutoffs.
  output <- mtcars %>%
    dplyr::left_join( MPGCutoffs, by='gear' ) %>%
    dplyr::filter( mpg > !!probColName ) #****This doesn't run; this is where I'm stuck

  # Return filtered data.
  return(output)
}

best_1 <- getBestMPG( userInput_prob1 )
best_2 <- getBestMPG( userInput_prob2 )

dplyr::filter() 语句是我无法正确到达运行的地方。我试过：

dplyr::filter( mpg > probColName ) - 没有错误，但没有返回任何行。

dplyr::filter( mpg > !!probColName ) - 没有错误，但没有返回任何行。

我也见过这样的例子，我可以将 quo(P95) 之类的东西传递给函数，然后在对 dplyr::filter() 的调用中取消引用它；我已经让它工作了，但它并没有解决我的问题，因为它需要在函数外部对变量名进行硬编码。例如，如果我这样做并且用户传递的百分位数是 0.90，那么对 dplyr::filter() 的调用将失败，因为创建的列名为 P90 而不是 P95.

如有任何帮助，我们将不胜感激。我希望有一个我忽略的简单解决方案。

Answer 1

如果您在字符串（又名字符向量）中有一个列名并且您想将它与 tidyeval 一起使用，那么您可以使用 rlang::sym() 来隐藏它。只是改变

dplyr::filter( mpg > !!rlang::sym(probColName) )

它应该可以工作。这取自这个 github 问题的建议：https://github.com/tidyverse/rlang/issues/116

用起来还是可以的

dplyr::summarize( !!probColName := quantile(mpg, pctCutoff) )

因为在动态设置参数名称时，您只需要字符串而不是未引用的符号。

Answer 2

这是 Hadley 在 MrFlick 的回答 (https://github.com/tidyverse/rlang/issues/116) 中提到的 post 评论中的替代解决方案。使用基数 R 中的 as.name() 代替 rlang::sym()，您仍然需要取消对它的引用。也就是说，以下也有效：

dplyr::filter( mpg > !!as.name(probColName) )

R dplyr 对仅通过其字符串名称已知的列进行操作

R dplyr operate on a column known only by its string name

r

dynamic

quoting

dplyr

rlang