和有什么区别。和.data？

Question

我正在尝试更深入地理解将点（“.”）与dplyr 一起使用以及将.data 代词与dplyr 一起使用。我写这篇文章的代码是这样的：

cat_table <- tibble(
  variable = vector("character"), 
  category = vector("numeric"), 
  n        = vector("numeric")
) 

for(i in c("cyl", "vs", "am")) {
  cat_stats <- mtcars %>% 
    count(.data[[i]]) %>% 
    mutate(variable = names(.)[1]) %>%
    rename(category = 1)
  
  cat_table <- bind_rows(cat_table, cat_stats)
}

# A tibble: 7 x 3
  variable category     n
  <chr>       <dbl> <dbl>
1 cyl             4    11
2 cyl             6     7
3 cyl             8    14
4 vs              0    18
5 vs              1    14
6 am              0    19
7 am              1    13

代码做了我想让它做的事情，并不是这个问题的重点。我只是为上下文提供它。

我正在尝试更深入地了解为什么它会做我想让它做的事情。更具体地说，为什么我不能交替使用. 和.data。我已经阅读了Programming with dplyr 文章，但我想在我看来，. 和.data 都只是表示“我们的结果在管道中的这一点”。但是，我似乎过于简化了我对它们如何工作的心理模型，因为当我在下面的names() 中使用.data 时出现错误：

mtcars %>% 
  count(.data[["cyl"]]) %>% 
  mutate(variable = names(.data)[1])

Error: Problem with `mutate()` input `variable`.
x Can't take the `names()` of the `.data` pronoun
ℹ Input `variable` is `names(.data)[1]`.
Run `rlang::last_error()` to see where the error occurred.

当我在count() 内部使用. 时，我得到了一个意想不到的（对我来说）结果：

mtcars %>% 
  count(.[["cyl"]]) %>% 
  mutate(variable = names(.)[1])

  .[["cyl"]]  n   variable
1          4 11 .[["cyl"]]
2          6  7 .[["cyl"]]
3          8 14 .[["cyl"]]

我怀疑它与“请注意，.data 不是数据框；它是一个特殊的结构，代词，它允许您直接访问当前变量，使用 .data$x 或间接使用.data[[var]]。不要指望其他函数可以使用它，”来自 Programming with dplyr 文章。这告诉我.data 不是 - 一个数据框 - 但是，我仍然不确定.data 是 是什么以及它与@有何不同987654341@.

我试着像这样弄清楚：

mtcars %>% 
  count(.data[["cyl"]]) %>% 
  mutate(variable = list(.data))

但是，结果<S3: rlang_data_pronoun> 对我没有任何帮助我理解的意义。如果有人对此有更好的了解，我将不胜感激。谢谢！

Answer 1

在前面，我认为.data 的意图有点令人困惑，直到人们还考虑它的兄弟代词.env。

点. 是magrittr::%>% 设置和使用的东西；因为dplyr 重新导出它，它就在那里。每当你引用它时，它就是一个真实的对象，所以names(.)、nrow(.) 等都按预期工作。它确实反映了管道中到目前为止的数据。

另一方面，.data 在rlang 中定义，目的是消除符号解析的歧义。与.env 一起，它可以让您非常清楚地知道您希望在哪里解决特定符号（当预期有歧义时）。来自?.data，我认为这是一个鲜明的对比：

disp <- 10
mtcars %>% mutate(disp = .data$disp * .env$disp)
mtcars %>% mutate(disp = disp * disp)

然而，正如帮助页面中所述，.data（和.env）只是一个“代词”（我们有动词，所以现在我们也有代词），所以它只是一个指针来解释应解析符号的整洁内部结构。这只是一种暗示。

所以你的陈述

. 和 .data 都只是表示“我们在管道中的这一点的结果。”

不正确：. 表示到目前为止的数据，.data 只是对内部的声明性提示。

---

考虑另一种思考.data的方式：假设我们有两个函数可以完全消除引用符号的环境歧义：

• get_internally，此符号必须始终引用列名，如果该列不存在，它将不会到达封闭环境；和
• get_externally，此符号必须始终引用封闭环境中的变量/对象，它永远不会匹配列。

在这种情况下，翻译上面的例子，人们可能会使用

disp <- 10
mtcars %>%
  mutate(disp = get_internally(disp) * get_externally(disp))

在这种情况下，get_internally 不是框架似乎更明显，因此您不能调用names(get_internally) 并期望它做一些有意义的事情（NULL 除外）。就像names(mutate)。

所以不要将.data 视为一个对象，将其视为一种消除符号环境歧义的机制。我认为它使用的$ 既简洁/易于使用又绝对具有误导性：它不是list-like 或environment-like 对象，即使它被视为这样。

顺便说一句：可以为 $ 编写任何 S3 方法，使任何分类对象看起来像一个框架/环境：

`$.quux` <- function(x, nm) paste0("hello, ", nm, "!")
obj <- structure(0, class = "quux")
obj$r2evans
# [1] "hello, r2evans!"
names(obj)
# NULL

（$ 访问器的存在并不总是意味着对象是框架/环境。）

Answer 2

比较 mtcars %>% count(.data[["cyl"]]) 与 mtcars %>% count(.[["cyl"]])。

mtcars %>% count(.[["cyl"]])
  .[["cyl"]]  n
1          4 11
2          6  7
3          8 14


mtcars %>% count(.data[["cyl"]])
  cyl  n
1   4 11
2   6  7
3   8 14

. 实际上就是前面的结果。所以第一个类似于：

. <- mtcars
count(., .[["cyl"]])

第二个是通过字符串“cyl”查找变量并将之前的结果作为变量的搜索路径的简写。例如，假设您拼错了变量名：

mtcars %>% count(.[["cyll"]])
   n
1 32

mtcars %>% count(.data[["cyll"]])
Error: Must group by variables found in `.data`.
* Column `cyll` is not found.

使用. 不会引发错误，因为索引到不存在的列是返回NULL 的有效base-R 操作。

使用.data 会抛出，因为使用了不存在的变量：

mtcars %>% count(cyll)

也抛出。

Answer 3

. 变量来自magrittr，与管道有关。它的意思是“被输送到这个表达式中的值”。通常使用管道时，前一个表达式的值会成为下一个表达式中的参数 1，但这为您提供了一种在其他参数中使用它的方法。

.data 对象是 dplyr 的特殊对象（尽管它在 rlang 包中实现）。它本身没有任何有用的价值，但是当在dplyr“tidy eval”框架中进行评估时，它在许多方面的作用就好像它是数据框/tibble 的值一样。当有歧义时使用它：如果你有一个与数据框列同名的变量foo，那么.data$foo 说它是你想要的列（如果找不到它会给出错误，不像data$foo这将给NULL)。您也可以使用.env$foo，表示忽略列并从调用环境中获取变量。

.data 和 .env 都特定于 dplyr 函数和其他使用相同特殊评估方案的函数，而 . 是常规变量，可用于任何函数。

编辑添加：您问为什么names(.data) 不起作用。如果@r2evans 出色的答案还不够，这里有一个不同的看法：我怀疑问题是names() 不是dplyr 函数，即使names.rlang_fake_data_pronoun 是rlang 中的一个方法。所以表达式names(.data) 是使用常规评估而不是整洁评估来评估的。该方法不知道要查看哪个数据框，因为在那种情况下没有。

Answer 4

在理论层面上：

. 是 magrittr 代词。它表示通过%>% 管道输入的整个输入（与 dplyr 一起使用时通常是一个数据帧）。

.data 是整洁的 eval 代词。从技术上讲，它根本不是一个数据框，而是一个评估环境。

在实践层面上：

. 永远不会被 dplyr 修改。它保持不变，直到到达下一个管道表达式。另一方面，.data 始终是最新的。这意味着您可以引用以前创建的变量：

mtcars %>%
  mutate(
    cyl2 = cyl + 1,
    am3 = .data[["cyl2"]] + 10
  )

而且你也可以在分组数据框的情况下参考列slices：

mtcars %>%
  group_by(cyl) %>%
  mutate(cyl2 = .data[["cyl"]] + 1)

如果您改用.[["cyl"]]，整个数据框将被子集化，并且您会收到错误，因为输入大小与组切片大小不同。棘手！