r - Dplyr select 和 group_by 在引用变量方面的区别？

Question

在当前版本的 dplyr 中，select参数可以按值传递:

variable <- "Species"
iris %>% 
    select(variable)

#       Species
#1       setosa
#2       setosa
#3       setosa
#4       setosa
#5       setosa
#6       setosa
#...

但是group_by参数不能按值传递:

iris %>% 
    group_by(variable) %>% 
    summarise(Petal.Length = mean(Petal.Length))

# Error in grouped_df_impl(data, unname(vars), drop) : 
# Column `variable` is unknown

documented dplyr::select behaviour是

iris %>% select(Species)

以及记录在案的 documented dplyr::group_by behaviour是

iris %>% 
    group_by(Species) %>% 
    summarise(Petal.Length = mean(Petal.Length))

为什么是 select和 group_by与按值传递参数不同？

为什么是第一个select打电话工作，将来会继续工作吗？

为什么是第一个group_by电话打不通？我想弄清楚 quo() 的组合, enquo()和 !!我应该用它来让它工作。

我需要这个是因为我想创建一个将分组变量作为输入参数的函数，如果可能的话，分组变量应该作为字符串给出，因为另外两个函数参数已经作为字符串给出。

Answer 1

要将字符串作为符号或未计算的代码传递，您必须首先将其解析为符号或 quosure。您可以使用 sym或 parse_expr来自 rlang解析并稍后使用 !!取消引用:

library(dplyr)

variable <- rlang::sym("Species")
# variable <- rlang::parse_expr("Species")

iris %>% 
  group_by(!! variable) %>% 
  summarise(Petal.Length = mean(Petal.Length))

!!是 UQ() 的快捷方式, 取消引用表达式或符号。这允许 variable仅在调用它的范围内进行评估，即 group_by .

sym之间的区别和 parse_expr什么时候使用哪一个？

简短的回答:在这种情况下无关紧要。

长答案:

符号是引用 R 对象的一种方式，基本上是对象的“名称”。所以sym类似于 as.name在基础 R。parse_expr另一方面将一些文本转换为 R 表达式。这类似于 parse在基础 R 中。

表达式可以是任何 R 代码，而不仅仅是引用 R 对象的代码。所以你可以解析引用一个R对象的代码，但是你不能把一些随机代码变成sym如果它引用的对象不存在。

一般来说，你会使用 sym当您的字符串引用一个对象时(尽管 parse_expr 也可以使用)，并使用 parse_expr当您尝试解析任何其他 R 代码以进行进一步评估时。

对于此特定用例，variable应该引用一个对象，因此将其转换为 sym会工作。另一方面，将其解析为表达式也可以，因为这是将要在 group_by 中计算的代码。当被 !! 取消引用时.