R 函数中的 dplyr::summarise() 失败并出现 "argument not numeric or logical" 错误

Question

我对 R 比较陌生，我正在尝试编写我的第一个多步函数。本质上，我想创建一个函数，它接受一个目录并在该目录中搜索以找到特定的列（在本例中为污染物）。然后找到该列的平均值并删除 NA。这是我目前所拥有的：

pollutantmean <- function(directory , pollutant , min_id = 1, max_id = 332) {

setwd(directory)

dirdata <- list.files(path=getwd() , pattern='*.csv' , full.names = TRUE) %>% lapply(read_csv) %>% bind_rows

specdata <- dirdata %>% filter(between(ID,min_id,max_id))

polspecdata <- specdata %>% select(pollutant)

polspecdatamean <- polspecdata %>% summarize(mean_pollutant=mean(pollutant,na.rm=TRUE))
}

感觉自己好接近，结果报错：Warning message:In mean.default(pollutant, na.rm = TRUE) : argument is not numeric or logical:返回 NA。我认为错误是由于列 class 为 col_double。这可能是因为 dirdata 是从多个 csv 文件创建的。任何帮助将不胜感激。谢谢！

这是数据：zipfile_data

Answer 1

原始post中的代码失败，因为它在一个函数中使用了dplyr，但没有使用dplyr quoting functions。当我们通过 RStudio 调试器运行代码并停在第 7 行时，我们看到以下内容：

dplyr 没有按预期呈现 mean(pollutant, na.rm = TRUE) 中的函数参数，因此第 9 行失败。 mean() 函数失败，因为 pollutant 参数呈现为文本字符串，而不是 polspecdata 数据框中的列。

修复错误的一种方法是调整第 9 行以显式引用通过 %>% 管道运算符从先前函数传递的数据帧，使用提取运算符的 [[ 形式使用参数的字符串版本。

polspecdatamean <- polspecdata %>% summarize(mean_pollutant=mean(.data[[pollutant]],na.rm=TRUE))

最后，由于函数应该 return 父环境的平均值，我们在函数末尾添加第 9 行中创建的对象的打印。

polspecdatamean

由于这是 Coursera 上约翰霍普金斯大学 R 编程 课程的编程作业，我不会 post 一个完整的答案，因为这违反了 Coursera 的荣誉代码.

简化解决方案

在第 5 行过滤数据后，函数可以简单地 return 平均值如下。

mean(specdata[[pollutant]],na.rm=TRUE)

结论

对于这个特定的作业，使用 dplyr 会使作业比需要的更难，因为 dplyr 使用非标准评估而 dplyr 不是'直到序列中的第三门课程，它甚至都包含在 JHU 课程中。

该代码还有其他一些细微的缺陷，我们将对其进行更正作为 reader 的练习。例如，给定分配要求，函数应该能够处理以下输入：

pollutantmean("specdata","sulfate",23) # calc mean for sensor 23
pollutantmean("specdata","nitrate",70:72) # calc mean for sensors 70 - 72 
pollutantmean("specdata","sulfate",c(3,5,7,9)) # calc mean for sensors 3, 5, 7, and 9

Answer 2

假设您将 pollutant 变量作为字符串传递，请尝试使用以下函数。

library(tidyverse)

pollutantmean <- function(directory , pollutant , min_id = 1, max_id = 332) {

  dirdata <- list.files(path=directory, pattern='*.csv' , full.names = TRUE) %>% 
                  map_df(read_csv)
   dirdata %>% 
      filter(between(ID,min_id,max_id)) %>%
      summarise(mean_pollutant= mean(!!sym(pollutant),na.rm=TRUE))
}

所以你可以称它为

pollutantmean('/path', 'sulfate', 1, 10)

使用 !!sym 我们将 sulfate 评估为列而不是字符串。

R 函数中的 dplyr::summarise() 失败并出现 "argument not numeric or logical" 错误

dplyr::summarise() in an R function fails with "argument not numeric or logical" error

r

function

mean

dataframe

dplyr

简化解决方案

结论