将 dplyr {{ }} 与函数内的聚合一起使用时出错答案

【问题标题】：Error when using dplyr {{ }} with aggregate inside a function将 dplyr {{ }} 与函数内的聚合一起使用时出错
【发布时间】：2021-12-28 02:12:23
【问题描述】：

我正在尝试通过使用 dplyrs {{ }} 表示法在函数内使用聚合来选择要聚合的列。

filter <- function(df, level) {
 df <- aggregate(.~ {{level}}, data=df, FUN=sum) 
 return(df)
}

但是我得到了错误

Error in model.frame.default(formula = cbind(phylum, '12K1B.txt', '12K2B.txt',  :  
variable lengths differ (found for '{{ level }}')

我已经仔细检查了我的数据，没有丢失或 NA 值，当我在函数之外运行它时，一切都按预期工作，所以我不确定是什么导致了错误。

【问题讨论】：

不是我的强项，但如果 rlang 的 {{}} 在 aggregate 的公式界面中工作，我会感到惊讶。如果您使用的是 tidyverse，请使用 tidyverse 并使用 dplyr::group_by 逻辑而不是 aggregate

标签： r function dplyr

【解决方案1】：

{{ }} 是 tidyverse 语法，只能在 tidyverse 动词中使用。

如果我们想实现这样的目标

aggregate(. ~ Species, data = iris, sum)
     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        250.3       171.4         73.1        12.3
2 versicolor        296.8       138.5        213.0        66.3
3  virginica        329.4       148.7        277.6       101.3

我们可以动态创建公式，像这样操作文本

aggregate_var <- function(df, level) {
  level <- deparse(substitute(level))
  aggregate(formula(paste(". ~", level)), data=df, FUN=sum) 
}

aggregate_var(iris, Species)
     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        250.3       171.4         73.1        12.3
2 versicolor        296.8       138.5        213.0        66.3
3  virginica        329.4       148.7        277.6       101.3

顺便说一句-filter 是一个流行的函数名称，也许更详细的描述会很有用。另请注意，此处不需要显式的return 语句和对df 的赋值。

【讨论】：

【解决方案2】：

您可以使用get 来实现此目的。

funn <- function(df, level){
  df <- aggregate(.~ get(level), data=df, FUN=sum) 
  return(df)
}
funn(iris, "Species")

  get(level) Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1     setosa        250.3       171.4         73.1        12.3      50
2 versicolor        296.8       138.5        213.0        66.3     100
3  virginica        329.4       148.7        277.6       101.3     150

【讨论】：

【解决方案3】：

为了补充已经提供的其他答案，如果您想使用{{，dplyr 方式是：

my_fun <- function(df, level) {
  df |>
    group_by({{ level }}) |>
    summarize(across(everything(), sum))
}

my_fun(iris, Species)
# A tibble: 3 x 5
  Species    Sepal.Length Sepal.Width Petal.Length Petal.Width
  <fct>             <dbl>       <dbl>        <dbl>       <dbl>
1 setosa             250.        171.         73.1        12.3
2 versicolor         297.        138.        213          66.3
3 virginica          329.        149.        278.        101.

【讨论】：