R dplyr 对仅由其字符串名称已知的列进行操作

Question

我正在使用 dplyr 进行编程在 R 中对仅通过其字符串名称已知的数据框列进行操作。我知道最近有更新 dplyr支持 quosures 等，我已经在这里审查了我认为是新的“使用 dplyr 编程”文章的相关组件:http://dplyr.tidyverse.org/articles/programming.html .但是，我仍然无法做我想做的事。

我的情况是我只通过字符串名称知道数据框的列名。因此，我不能在调用 dplyr 时使用非标准评估。在一个函数或什至一个脚本中，列名可能会在运行之间发生变化，因为我通常无法对未加引号的(即“裸”)列名进行硬编码。我想知道如何解决这个问题，我猜我忽略了一些新的引用/取消引用语法。

例如，假设我有用户输入定义数据分布的截止百分位数。用户可以使用他/她想要的任何百分位数运行代码，他/她选择的百分位数将改变输出。在分析中，中间数据框中的一列使用所用百分位数的名称创建；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。我想使用截止百分位数的各种值调用该函数。我想要名为 MPGCutoffs 的数据框有一个根据选择的截止分位数命名的列(目前在下面的代码中有效)，我想稍后对这个列名进行操作。由于这个列名的通用性，我只能从输入pctCutoff的角度知道它在编写函数的时候，所以我需要一种方法在只知道由 probColName 定义的字符串时对其进行操作，它遵循基于 pctCutoff 的值的预定义模式.

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()声明是我无法正常运行的内容。我试过了:
dplyr::filter( mpg > probColName ) - 没有错误，但没有返回行。
dplyr::filter( mpg > !!probColName ) - 没有错误，但没有返回行。

我还看过一些例子，我可以通过类似 quo(P95) 的东西。到函数，然后在对 dplyr::filter() 的调用中取消引用它;我已经让它工作了，但它没有解决我的问题，因为它需要在函数之外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为 0.90，则调用 dplyr::filter()失败，因为创建的列名为 P90而不是 P95 .

任何帮助将不胜感激。我希望有一个简单的解决方案，我只是忽略了。

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() 将其隐藏起来。 .只是改变

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

它应该工作。这是从这个 github 问题的建议中获取的:https://github.com/tidyverse/rlang/issues/116

使用还是可以的

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。