如何创建一个函数来改变具有变量名和“_pct”的新列？答案

【问题标题】：How do I create a function to mutate new columns with a variable name and "_pct"?如何创建一个函数来改变具有变量名和“_pct”的新列？
【发布时间】：2021-08-14 02:56:45
【问题描述】：

以mtcars 为例。我想编写一个函数来创建count 和pct 列，如下所示-

library(tidyverse)

mtcars %>% 
  group_by(cyl) %>% 
  summarise(count = n()) %>% 
  ungroup() %>% 
  mutate(cyl_pct = count/sum(count))

这会产生输出 -

# A tibble: 3 x 3
    cyl count mpg_pct
  <dbl> <int>   <dbl>
1     4    11   0.344
2     6     7   0.219
3     8    14   0.438

但是，我想创建一个函数，我可以将group_by 列指定为任何列，mutate 列将命名为groub_by 中指定的列名和_pct。所以如果我想使用disp，disp 将是我的group_by 变量，并且该函数将改变一个disp_pct 列。

【问题讨论】：

@akrun 是的，错字。我将编辑问题。

标签： r tidyeval

【解决方案1】：

类似于 akrun 的回答，但使用 {{ 而不是 !!：

foo = function(data, col) {
  data %>%
    group_by({{col}}) %>%
    summarize(count = n()) %>%
    ungroup %>% 
    mutate(
      "{{col}}_pct" := count / sum(count)
    )
}

foo(mtcars, cyl)
# `summarise()` ungrouping output (override with `.groups` argument)
# # A tibble: 3 x 3
#     cyl count cyl_pct
#   <dbl> <int>   <dbl>
# 1     4    11   0.344
# 2     6     7   0.219
# 3     8    14   0.438

【讨论】：

【解决方案2】：

假设输入未加引号，使用ensym 转换为符号，在group_by 内评估（!!），同时将符号转换为字符串（as_string）并粘贴前缀'_pct' 为新的列名。在mutate 中，我们可以使用:= 和!! 从创建的对象（'colnm'）中分配列名

library(stringr)
library(dplyr)
f1 <- function(dat, grp) {
        grp <- ensym(grp)
        colnm <- str_c(rlang::as_string(grp), '_pct')
        dat %>%
           group_by(!!grp) %>%
           summarise(count = n(), .groups = 'drop') %>%
           mutate(!! colnm := count/sum(count))
     }

-测试

f1(mtcars, cyl)
# A tibble: 3 x 3
#    cyl count cyl_pct
#  <dbl> <int>   <dbl>
#1     4    11   0.344
#2     6     7   0.219
#3     8    14   0.438

【讨论】：

【解决方案3】：

这可能与我亲爱的朋友@akrun 发布的没有什么不同。然而，在我的版本中，我使用了enquo 函数而不是ensym。两者之间实际上存在细微差别，我想您可能有兴趣了解：

根据nse-defuse 的文档，ensym 返回一个原始表达式，而enquo 返回一个“quosure”，它实际上是一个“包含表达式和环境的包装器”。所以我们需要一个额外的步骤来访问enquo的quosure表达式。
在这种情况下，我们使用get_expr 来实现我们的目的。因此，这里只是编写此函数的另一个版本，我认为以后阅读这篇文章的人可能会对它感兴趣。

library(dplyr)
library(rlang)

fn <- function(data, Var) {
  Var <- enquo(Var)
  colnm <- paste(get_expr(Var), "pct", sep = "_")

  data %>% 
    group_by(!!Var) %>% 
    summarise(count = n()) %>% 
    ungroup() %>% 
    mutate(!! colnm := count/sum(count))
}

fn(mtcars, cyl)

# A tibble: 3 x 3
    cyl count cyl_pct
  <dbl> <int>   <dbl>
1     4    11   0.344
2     6     7   0.219
3     8    14   0.438

【讨论】：