为什么 dplyr filter() 不能在函数内工作（即使用变量作为列名）？

Question

使用 dplyr 函数过滤、分组和变异数据的函数。基本管道序列在函数之外非常有用，这就是我使用真实列名的地方。将它放在一个函数中，其中列名是一个变量，并且一些函数可以工作，但有些不能，尤其是 dplyr::filter()。例如：

var1 <- c('yes', NA, NA, 'yes', 'yes', NA, NA, NA, 'yes', NA, 'no', 'no', 'no', 'maybe', NA, 'maybe', 'maybe', 'maybe')

var2 <- c(1:18)

df <- data.frame(var1, var2)

这很好用（即过滤 NA）：

df%>%filter(!is.na(var1))

...但这不是：

x <- "var1"

df%>%filter(!is.na(x))

...但确实如此：

df%>%select(x)

需要专门过滤掉的是NA。

试过get("x")，不行，切片：

df[!is.na(x),]

...也不好。

关于如何传递变量以在函数内部（或外部）进行过滤以及为什么变量与其他 dplyr 函数一起使用的任何想法？

Answer 1

有一个新包seplyr 将标准评估标准传递给 dplyr。试一试。您可以通过它将正常的引用代码传递给 dplyr。它使在 dplyr 中传递参数和编写函数更容易。

对于您的情况：

install.packages("seplyr")
library(seplyr)
x<-"var1"
df%>%filter_se(paste0("!is.na(", x , ")"))

Answer 2

这也可以，而且更简单一些 - 只需在方括号之间引用包含列名的变量并使用 (.) 来引用输入 df：

> df %>% filter(!is.na((.)[x]))
    var1 var2
1    yes    1
2    yes    4
3    yes    5
4    yes    9
5     no   11
6     no   12
7     no   13
8  maybe   14
9  maybe   16
10 maybe   17
11 maybe   18

请注意，这也适用于函数：

myfun <- function(df, var) {
  df %>%  filter(!is.na((.)[var]))
 }

 x <- "var1"
 myfun(df, x)

    var1 var2
1    yes    1
2    yes    4
3    yes    5
4    yes    9
5     no   11
6     no   12
7     no   13
8  maybe   14
9  maybe   16
10 maybe   17
11 maybe   18

Answer 3

由于我的声誉不够高，无法在上面发表评论......我建议在这里看看我的答案：https://stackoverflow.com/a/45265617/6238025

如果你想用 dplyr 做一个函数，你需要按照这个网页的说明进行操作：https://rpubs.com/hadley/dplyr-programming。

library(tidyverse)
var1 <- c('yes', NA, NA, 'yes', 
          'yes', NA, NA, NA, 'yes', NA, 'no', 
          'no', 'no', 'maybe', NA, 'maybe', 
          'maybe', 'maybe')
var2 <- c(1:18)

df <- data_frame(var1, var2)

your_function <- function(df, filter) {
      # Make filter a quosure
      filter = enquo(filter)

      df %>% 
        filter(!is.na(!!filter)) -> new_df

      return(new_df)
}
new_df <- your_function(df = df, filter = var1)

您也可以跳过函数内的filter = enquo(filter)，然后您的调用将是：

your_function(df=df, filter=quo(var1))

但是，第一种方法更适合进行函数调用。你不需要记住quo()

应该可以！

Answer 4

我们可以使用sym 转换为符号，然后用UQ 评估它

library(rlang)
library(dplyr)
df %>%
   filter(!is.na(UQ(sym(x))))
#     var1 var2
#1    yes    1
#2    yes    4
#3    yes    5
#4    yes    9
#5     no   11
#6     no   12
#7     no   13
#8  maybe   14
#9  maybe   16
#10 maybe   17
#11 maybe   18