我想在dplyr 的函数中使用变量名作为字符串。请看下面的例子：
df <- data.frame(
color = c("blue", "black", "blue", "blue", "black"),
value = 1:5)
filter(df, color == "blue")
效果很好，但我想通过字符串引用color，如下所示：
var <- "color"
filter(df, this_probably_should_be_a_function(var) == "blue").
我很乐意以任何方式做到这一点，并且非常乐意使用易于阅读的dplyr 语法。
【问题讨论】：
在较新的版本中，我们可以使用我们可以创建引用的变量然后取消引用（UQ 或 !!）进行评估
var <- quo(color)
filter(df, UQ(var) == "blue")
# color value
#1 blue 1
#2 blue 3
#3 blue 4
由于运算符优先级，我们可能需要 () 环绕 !!
filter(df, (!!var) == "blue")
# color value
#1 blue 1
#2 blue 3
#3 blue 4
随着新版本，|| 具有更高的优先级，所以
filter(df, !! var == "blue")
应该有效（正如@Moody_Mudskipper 评论的那样）
我们也可以使用：
filter(df, get(var, envir=as.environment(df))=="blue")
#color value
#1 blue 1
#2 blue 3
#3 blue 4
编辑：重新排列解决方案的顺序
【讨论】：
(!!"term") 时，我得到Error in !"term" : invalid argument type。我正在使用 dplyr 0.7.4。
Update 中的两种方法。我不确定term 是什么意思，如果您传递的是带引号的字符串，那么filter(df, (!!rlang::sym("color")) == "blue")
!! 具有更高的优先级，不再需要括号
dplyr 版本 [0.3 - 0.7) (? - 2017 年 6 月)（有关最新的dplyr 版本，请参阅此问题的其他答案）
截至dplyr 0.3，每个使用非标准评估（NSE，参见release post 和vignette）的dplyr 函数都有一个以下划线结尾的标准评估(SE) 双胞胎。这些可用于传递变量。对于filter，它将是filter_。使用filter_，您可以将逻辑条件作为字符串传递。
filter_(df, "color=='blue'")
# color value
# 1 blue 1
# 2 blue 3
# 3 blue 4
用逻辑条件来构造字符串当然是直截了当
l <- paste(var, "==", "'blue'")
filter_(df, l)
【讨论】：
从 dplyr 0.7 开始，有些事情又发生了变化。
library(dplyr)
df <- data.frame(
color = c("blue", "black", "blue", "blue", "black"),
value = 1:5)
filter(df, color == "blue")
# it was already possible to use a variable for the value
val <- 'blue'
filter(df, color == val)
# As of dplyr 0.7, new functions were introduced to simplify the situation
col_name <- quo(color) # captures the current environment
df %>% filter((!!col_name) == val)
# Remember to use enquo within a function
filter_col <- function(df, col_name, val){
col_name <- enquo(col_name) # captures the environment in which the function was called
df %>% filter((!!col_name) == val)
}
filter_col(df, color, 'blue')
dplyr programming vignette 中解释了更一般的情况。
【讨论】：
quo 和 enquo 在这里做什么。我可以想象我也不会是唯一一个，这感觉就像是一段非常高级的代码，几乎就像在 LISP 中编写宏一样。我喜欢宏和 LISP，但我不知道它们是否符合每个人的口味，尤其是对于编写相对简单的函数来操作小标题。
quo 和 enquo 才能编写我认为使用 dplyr 甚至相对简单的功能。几乎就像在教某人编写基于 dplyr 的函数时，您还必须捆绑解释如何使用 quo 捕获环境。
rlang 新版本 >= 0.4.0.data 现在被认为是引用父数据框的一种方式，因此字符串引用的工作方式如下：
var <- "color"
filter(df, .data[[var]] == "blue")
如果变量已经是一个符号，那么{{}}将正确地取消引用它
示例 1：
var <- quo(color)
filter(df, {{var}} == "blue")
或者更现实的
f <- function(v) {
filter(df, {{v}} == "blue")
}
f(color) # Curly-curly provides automatic NSE support
【讨论】：
.data[[var]] 方法对我来说立即起作用，以否定管道中的过滤器（例如：df %>% filter(!.data[[var]] %in% df2[[var]])）。我无法立即在此应用程序中使用其他一些解决方案。
经常被问到，但仍然不容易支持 afaik。但是，关于this posting：
eval(substitute(filter(df, var == "blue"),
list(var = as.name(var))))
# color value
# 1 blue 1
# 2 blue 3
# 3 blue 4
【讨论】：
这是使用rlang 包中的sym() 函数的一种方法：
library(dplyr)
df <- data.frame(
main_color = c("blue", "black", "blue", "blue", "black"),
secondary_color = c("red", "green", "black", "black", "red"),
value = 1:5,
stringsAsFactors=FALSE
)
filter_with_quoted_text <- function(column_string, value) {
col_name <- rlang::sym(column_string)
df1 <- df %>%
filter(UQ(col_name) == UQ(value))
df1
}
filter_with_quoted_text("main_color", "blue")
filter_with_quoted_text("secondary_color", "red")
【讨论】：
filter(UQ(col_name) == UQ(value)) 方法不起作用，必须先使用rlang::sym(column_string)。这种在filter() 中使用== 运算符进行双重取消引用的情况在我找到的任何教程中都没有介绍。
上面的几个解决方案对我不起作用。现在有了as.symbol 函数，我们将其包装在!! 中。好像有点简单，有点。
set.seed(123)
df <- data.frame(
color = c("blue", "black", "blue", "blue", "black"),
shape = c("round", "round", "square", "round", "square"),
value = 1:5)
现在通过 as.symbol() 和 !! 将变量作为字符串输入到 dplyr 函数中
var <- "color"
filter(df, !!as.symbol(var) == "blue")
# color shape value
# 1 blue round 1
# 2 blue square 3
# 3 blue round 4
var <- "shape"
df %>% group_by(!!as.symbol(var)) %>% summarise(m = mean(value))
# shape m
# <fct> <dbl>
# 1 round 2.33
# 2 square 4
【讨论】：
dplyr 1.0.1 对我有用，谢谢！
更新。新的dplyr1.0.0 具有一些奇妙的新功能，可以更轻松地解决这类问题。您可以在新软件包随附的“编程”小插曲中了解它。
基本上.data[[foo]] 函数可以让您更轻松地将字符串传递给函数。
所以你可以这样做
filtFunct <- function(d, var, crit) {
filter(d, .data[[var]] %in% crit)
}
filtFunct(df, "value", c(2,4))
# color value
# 1 black 2
# 2 blue 4
filtFunct(df, "color", "blue")
# color value
# 1 blue 1
# 2 blue 3
# 3 blue 4
【讨论】：
这个问题是 6 年前发布的。 dplyr 现在升级到 1.0.2 版。然而，这仍然是一个很好的讨论，并极大地帮助了我解决我的问题。我希望能够从所有由内存中的变量指定的列、运算符和值构造过滤器。哦，还有不定数量的过滤器！
考虑以下列表，我在其中指定列、运算符和两个过滤器的值：
myFilters =
list(
list(var = "color", op = "%in%", val = "blue"),
list(var = "value", op = "<=", val = 3)
)
从这个列表中，我想运行：
dplyr::filter(color %in% "blue", value <= 3)
我们可以在上面的list 上使用lapply 来创建call 对象的list，使用!!! 运算符强制评估调用，并将其传递给filter：
library(dplyr)
df <- data.frame(
color = c("blue", "black", "blue", "blue", "black"),
value = 1:5)
result =
lapply(myFilters, function(x) call(x$op, as.name(x$var), x$val)) %>%
{filter(df, !!!.)}
...还有沙赞！
> result
color value
1 blue 1
2 blue 3
要吸收的内容很多，所以如果不能立即看出发生了什么，让我稍微解开一下。考虑：
var = "color"
op = "%in%"
val = "blue"
我希望能够跑步：
filter(df, color %in% "blue")
如果我也有：
var2 = "value"
op2 = "<="
val2 = 3
我可能希望能够得到：
filter(df, color %in% "blue", value <= 3)
解决方案使用calls，它们是未计算的表达式。 （参见 Hadley 的 Advanced R book）基本上，从变量中列出 call 对象，然后在调用 dplyr::filter 时使用 !!! 运算符强制评估调用。
call1 = call(op, as.name(var), val)
这是call1的值：
> call1
color %in% "blue"
让我们创建另一个call：
call2 = call(op2, as.name(var2), val2)
将它们放在列表中：
calls = list(call1, call2)
并使用!!! 评估调用列表，然后再将它们发送到filter：
result = filter(df, !!!calls)
【讨论】：