当没有非 NA 值时，summarize 不会 return 来自 max 的警告

Question

当调用 max(x, na.rm = TRUE) 时没有非 NA 值，它 returns -Inf，并带有警告。但是，在某些情况下，dplyr 中的 summarise 函数不会 return 警告：

library(magrittr)
library(dplyr)

df1 <- data.frame(a = c("a","b"), b = c(NA,NA))
df1 %>% group_by(a) %>% summarise(x = max(b, na.rm = TRUE))
# Three warnings, as expected.

df2 <- data.frame(a = c("a","b"), b = c(1,NA))
df2 %>% group_by(a) %>% summarise(x = max(b, na.rm = TRUE))
# No warning. Unexpected.

有趣的是，如果我重命名该函数，我会按预期收到警告：

# Pointer to same function.
stat <- max

df1 <- data.frame(a = c("a","b"), b = c(NA,NA))
df1 %>% group_by(a) %>% summarise(x = stat(b, na.rm = TRUE))
# Three warnings, as expected.

df2 <- data.frame(a = c("a","b"), b = c(1,NA))
df2 %>% group_by(a) %>% summarise(x = stat(b, na.rm = TRUE))
# Single warning, as expected.

其实我觉得应该是两个的警告，而不是三个，因为只有两组到summarise。但我不确定内部警告系统是如何工作的，所以可能是预期的三个警告。

我的问题是：为什么 summarise 在特定情况下不输出警告，如果这是预期的，为什么简单重命名函数会改变这种行为？

我的sessionInfo():

R version 3.3.2 (2016-10-31)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 14.04.5 LTS

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C
 [9] LC_ADDRESS=C               LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

other attached packages:
[1] dplyr_0.5.0.9000 magrittr_1.5

loaded via a namespace (and not attached):
[1] lazyeval_0.2.0.9000 R6_2.2.0            assertthat_0.1
[4] tools_3.3.2         DBI_0.5-1           tibble_1.2
[7] Rcpp_0.12.8

虽然我使用的是dplyr的"dev"版本，但我也在CRAN可用的版本上进行了测试，结果相同。

Answer 1

以下为部分诊断；证明 dplyr 以某种方式弄乱了对函数名称 max() 的引用。此外，dplyr 通常在其 args 上使用 SE（标准评估）：lazyeval::lazydots(..., .follow_symbols=F))，所以这可能会影响承诺，尽管我看不出如何：

A) group_by() 不是罪魁祸首。 df2 %>% group_by(a) %>% summarise(length(na.omit(b))) 确实证明组 b 正在将具有一个 NA 元素的向量传递给 max()

B) 当我们通过其限定名称 base::max 引用 max 时，我们会看到警告：

> df2 %>% group_by(a) %>% summarise(x = base::max(b, na.rm = TRUE))
       a     x
1      a     1
2      b  -Inf
Warning message:
In base::max(NA_real_, na.rm = TRUE) :
  no non-missing arguments to max; returning -Inf

而且我检查过没有 dplyr:::max()，所以它不是命名空间阴影。

B2) 同样，do.call(max, ...) 给出预期的警告。

> df2 %>% group_by(a) %>% summarise(x = do.call(max, list(b, na.rm = TRUE)))
       a     x
1      a     1
2      b  -Inf
Warning message:
In .Primitive("max")(NA_real_, na.rm = TRUE) :
  no non-missing arguments to max; returning -Inf

C) 另外，请注意 dplyr 通常在其 args 上使用 SE（标准评估）：lazyeval::lazydots(..., .follow_symbols=F))，但我看不出这是怎么导致的。

C2) 我试图重新创建 group_by 的内部结果：

grouped_df(as.numeric(NA), list()), na.rm=T)

并用类似的东西重新创建承诺：

p <- lazyeval::lazy_dots( max, list( grouped_df(as.numeric(NA), list()), na.rm=T )  , .follow_symbols=F)

我无法用 .follow_symbols=T

来表达

我对标准评估几乎一无所知，所以在 http://adv-r.had.co.nz/Expressions.html#metaprogramming

继续侦查

使用的版本：dplyr 0.5.0； lazyeval 0.1.10 ;虽然 lazyeval 0.2.0 是 Hadley 的最新版本

Answer 2

对于 max()，可以使用混合版本，它对分组数据框的处理速度更快，因为整个评估可以在 C++ 中执行，而无需为每个组进行 R 回调。在dplyr 0.5.0中，当满足以下所有条件时触发混合版本：

第一个参数指的是数据框中存在的变量
第二个参数是一个logical常量

有关详细信息，请参阅 hybrid vignette。

max() 的混合版本在某些方面与 R 实现不同：

没有针对空向量发出警告，静默 returning -Inf
- 我认为情况一直如此；我们不妨在这里添加一个警告，但我怀疑 other users won't be happy about this
全 NA 向量将 return NA 即使 na.rm = TRUE
- 这肯定是个bug，我filed an issue

在您的示例中，c(NA, NA) 是 logical 的向量，因此 dplyr 回退到 "regular" 评估，每个组都有一个 R 回调。如果您需要原始行为，只需使用包装器或别名即可；混合评估器将回退到常规评估：

max_ <- max
data_frame(a = NA_real_) %>% summarise(a = max_(a, na.rm = TRUE))
## # A tibble: 1 × 1
##       a
##   <dbl>
## 1  -Inf
## Warning message:
## In max_(a, na.rm = TRUE) : no non-missing arguments to max; returning -Inf

当没有非 NA 值时，summarize 不会 return 来自 max 的警告

summarise does not return warning from max when no non-NA values

warnings

r

dplyr