在过滤器中使用 tidyeval 引用另一列答案

【问题标题】：reference another column with tidyeval in filter在过滤器中使用 tidyeval 引用另一列
【发布时间】：2019-09-26 20:14:39
【问题描述】：

我有一个 tibble 列 foo 包含标题中另一列的名称。我想根据foo 中命名的列进行过滤：

mtcars %>%
  mutate(foo = c(rep("carb", 16), rep("gear", 16))) %>%
  filter(!!sym(foo) == 4)
#> Error in is_symbol(x): object 'foo' not found

它似乎在全局环境中寻找foo，所以我想我需要一种方法来指定foo 应该在tibble 的上下文中进行评估。

期望的结果与运行相同：

rbind(
  mtcars[1:16,] %>% mutate(foo = "carb") %>% filter(carb == 4),
  mtcars[17:32,] %>% mutate(foo = "gear") %>% filter(gear == 4)
)
#>     mpg cyl  disp  hp drat    wt  qsec vs am gear carb  foo
#> 1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 carb
#> 2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 carb
#> 3  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4 carb
#> 4  19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4 carb
#> 5  17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4 carb
#> 6  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4 carb
#> 7  10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4 carb
#> 8  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1 gear
#> 9  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2 gear
#> 10 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1 gear
#> 11 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1 gear
#> 12 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2 gear

【问题讨论】：

每行都会变化，还是分块？
每一行都可能不同。

标签： r dplyr rlang tidyeval

【解决方案1】：

如果'foo'已经是一个以“am”为字符串的列，选择'foo'的第一个元素，将其转换为symbol，评估（!!）和filter值所在的那些行'am' 是 1

library(dplyr)
library(rlang)
mtcars %>%
   mutate(foo = "am") %>%
   filter(!! sym(foo[1]) == 1)
#     mpg cyl  disp  hp drat    wt  qsec vs am gear carb foo
#1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4  am
#2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4  am
#3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1  am
#4  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1  am
#5  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2  am
#6  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1  am
#7  27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1  am
#8  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2  am
#9  30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2  am
#10 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4  am
#11 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6  am
#12 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8  am
#13 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2  am

如果这在每一行都不同，那么一个有效的选择是行/列索引

df1 <- mtcars %>%
           mutate(foo = c(rep("carb", 16), rep("gear", 16)))
i1 <- cbind(seq_len(nrow(df1)), match(df1$foo, names(df1)))
subset(df1, df1[-ncol(df1)][i1] == 4)
#    mpg cyl  disp  hp drat    wt  qsec vs am gear carb  foo
#1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 carb
#2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 carb
#7  14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4 carb
#10 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4 carb
#11 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4 carb
#15 10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4 carb
#16 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4 carb
#18 32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1 gear
#19 30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2 gear
#20 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1 gear
#26 27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1 gear
#32 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2 gear

或者一个选项是get 和rowwise

df1 %>%
    rowwise %>% 
    filter(get(foo) == 4)

或者使用filter中的行/列索引

df1 %>% 
      filter(.[cbind(row_number(), match(foo, names(.)))] == 4)

【讨论】：

@lost 我对此表示怀疑，因为它也需要行索引，否则，它将无法理解应该选择哪一行的值
@lost 如果您需要更快的选择，请尝试df1 %>% filter(.[cbind(row_number(), match(foo, names(.)))] == 4)
是的，@akrun 关于行歧义的观点解释了为什么语法 filter(!!sym(foo) == 4) 不起作用。对于 mtcars 中的 32 行中的每一行，您将告诉 dplyr 评估 carb 或 gear 中的 32 个条目是否等于 4。
我添加了一个矢量化的答案。 @akrun 你的第一个例子对我不起作用。您的工作区中有 foo 对象吗？
我认为我们可以将向量化问题表述如下：一个表达式可能代表一个向量化操作，但是在这里您已经构建了一个问题，您需要创建与行数一样多的表达式，因为表达式取决于行值。

【解决方案2】：

我会避免在这里使用整洁的 eval 并使用值。首先创建包含来自carb 和gear 的相关值的向量foo，然后对其进行过滤：

mtcars %>%
  mutate(foo = c(carb[1:16], gear[1:16])) %>%
  filter(foo == 4)

如果值的来源是可变的：

df <- mtcars[1:5, ]
cols <- c("cyl", "vs", "am", "gear", "carb")

assemble_from <- function(data, cols) {
  map2_dbl(seq_along(cols), cols, function(i, c) data[[i, c]])
}

df %>%
  mutate(foo = assemble_from(df, cols)) %>%
  filter(foo %in% 1:3)

# Or more simply
df %>%
  filter(assemble_from(df, cols) %in% 1:3)

【讨论】：

好点，我添加了一个如何按行重建向量的示例。
现在回到这个问题上，难道还没有办法对列名进行调整吗？必须为此创建一个定制函数很不方便，并迫使我中断管道或使用 {} 进行应该非常简单的操作。
我再次阅读了这篇文章，但我对这个问题有点困惑。对于filter()，我们通常使用向量化谓词来比较两列，该谓词逐行比较所有值。在这里，您有一列列名。所以每一行都应该与不同的列进行比较？这对我来说似乎是一个相当复杂的操作。
我添加了一个新答案，希望能更好地回答这个问题。

【解决方案3】：

通常filter() 表达式将两列与一个矢量化谓词进行比较，该谓词逐行查看每个值。在这种情况下，我们有一列列名，用于确定每一行要查看的列。我们可以使用get() 和rowwise() 来解决这个问题。

Tidyeval 工具适用于外部定义的列（例如在函数参数中）。这里的列是在数据框内定义的。这很不寻常，因为在数据框中定义的列名必然会逐行变化。无论如何，由于列是在数据框中定义的，get() 似乎是在这里使用的最佳工具。
由于我们有逐行问题，我们需要将数据框转换为逐行 df。这样mutate()等内部的表达式将被逐行评估一次。请注意，rowwise() 模式具有性能成本，因为它们不是矢量化的，因此它们应该仅限于代码的一小部分。

mtcars %>%
  mutate(foo = c(rep("carb", 16), rep("gear", 16))) %>%
  rowwise() %>%
  filter(get(foo) == 4)

【讨论】：