m <- 10
mtcars %>% dplyr::mutate(disp = .data$disp * .env$m)
等价于
m <- 10
mtcars %>% dplyr::mutate(disp = cur_data()$disp * .env$m)
你能举一个例子，cur_data() 和 .data 会产生不同的结果吗？
有人告诉我，cur_data() 和 .data 在所有情况下都不能互换。
【问题讨论】：
这是取自here 的一个示例，它显示了不同的结果/错误
library(dplyr)
library(rstatix)
data %>%
summarise(across(where(is.numeric),
~ cur_data() %>%
levene_test(reformulate("Treatment", response = cur_column())))) %>%
unclass %>%
bind_rows(.id = 'flux')
# A tibble: 3 × 5
flux df1 df2 statistic p
<chr> <int> <int> <dbl> <dbl>
1 flux1 1 8 0.410 0.540
2 flux2 1 8 2.85 0.130
3 flux3 1 8 1.11 0.323
data %>%
summarise(across(where(is.numeric),
~ .data %>%
levene_test(reformulate("Treatment", response = cur_column())))) %>%
unclass %>%
bind_rows(.id = 'flux')
错误：
summarise()输入..1有问题。 ℹ..1 = across(...)。 ✖ 不能将“rlang_data_pronoun”类强制转换为 data.frame 运行rlang::last_error()看看哪里出错了。
data <- data.frame(site = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L),
.Label = c("S1 ", "S2 ", "S3 "), class = "factor"),
plot = structure(c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L),
.Label = c(" Tree 1 ", " Tree 2 ", " Tree 3 "), class = "factor"),
Treatment = structure(c(2L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 2L, 1L), .Label = c("T1", "T2"), class = "factor"),
flux1 = c(11.52188065, 8.43156699, 4.495312274, -1.866676811, 3.861102035, -0.814742373, 6.51039536, 4.767950345, 10.36544542, 1.065963875),
flux2 = c(0.142259208, 0.04060245, 0.807631744, 0.060127596, -0.157762562, 0.062464942, 0.043147603, 0.495001652, 0.34363348, 0.134183704),
flux3 = c(0.147506197, 1.131009714, 0.038860728, 0.0176834, 0.053191593, 0.047591306, 0.00573377, -0.034926075, 0.123379247, 0.018882469))
【讨论】：
在 group_by 内 .data 仍包括所有列，但 cur_data() 不包括 group_by 列。例如，cur_data()[["cyl"]] 下面是 NULL，因为 cyl 是按列分组的，所以 x 不会出现在结果中，而 y 会出现。
library(dplyr)
mtcars %>%
group_by(cyl) %>%
mutate(x = cur_data()[["cyl"]], y = .data[["cyl"]]) %>%
ungroup %>%
names
## [1] "mpg" "cyl" "disp" "hp" "drat" "wt" "qsec" "vs" "am" "gear"
## [11] "carb" "y"
【讨论】：
添加到现有答案：
在vignette linked in the comments 中，我们找到以下引用：
请注意，.data 不是数据框；这是一个特殊的结构，一个 代词，允许您访问当前变量 直接使用 .data$x 或间接使用 .data[[var]]。 别指望 使用它的其他功能。
重要的是要理解.data 是一个特殊的结构，它只是用来帮助我们访问变量。它既不是data.frame，也不是function。除了[[ 和$ 之外，大多数其他功能都不适用于.data。即使[ 也行不通。假设我们要使用.data 访问多个变量。如果.data. 将是data.frame，则以下将起作用，但它不起作用：
library(dplyr)
mtcars %>%
transmute(new = list(.data[c("disp", "hp")]))
#> Error: Problem with `mutate()` column `new`.
#> i `new = list(.data[c("disp", "hp")])`.
#> x `[` is not supported by .data pronoun, use `[[` or $ instead.
另一方面，cur_data() 是一个函数，它返回当前数据而不将变量分组为tibble（即使基础数据只是data.frame）。
就速度而言，cur_data() 与.data 或仅访问不带前缀的变量相比，开销非常小。以一个中等规模的数据集为例：
library(dplyr)
library(nycflights13)
bench::mark(iterations = 5000L,
"none" = mutate(flights, new = arr_time),
".data" = mutate(flights, new = .data$arr_time),
"cur_data()" = mutate(flights, new = cur_data()$arr_time))
#> # A tibble: 3 x 6
#> expression min median `itr/sec` mem_alloc `gc/sec`
#> <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl>
#> 1 none 1.56ms 1.69ms 578. 132.9MB 15.1
#> 2 .data 1.53ms 1.72ms 551. 24.7KB 14.4
#> 3 cur_data() 1.6ms 1.77ms 535. 33.5KB 14.7
由reprex package (v0.3.0) 于 2021 年 12 月 23 日创建
在互换性方面，我看到以下差异：
.data 不能用作data.frame，这意味着它不会返回底层数据，这与cur_data() 不同。
.data 一次只能用于访问一个变量，通过使用[[ 或$，而cur_data() 返回一个tibble，并且适用于所有适用于tibbles 的函数和data.frames.
就速度而言，使用cur_data() 并没有太大的开销，至少对于中等规模的数据集来说不是。这应该通过更多列的更大数据来验证。
.data 可用于访问分组变量，而 cur_data() 则无法访问。但是，cur_data_all() 是一个类似的函数，它也返回当前数据，但包括分组变量。这个后面的函数应该可以和.data完全互换，至少我想不出不能同时使用两者的情况。
library(dplyr)
mtcars %>%
group_by(cyl) %>%
transmute(x = cur_data()[["cyl"]],
y = .data[["cyl"]],
z = cur_data_all()[["cyl"]])
#> # A tibble: 32 x 3
#> # Groups: cyl [3]
#> cyl y z
#> <dbl> <dbl> <dbl>
#> 1 6 6 6
#> 2 6 6 6
#> 3 4 4 4
#> 4 6 6 6
#> 5 8 8 8
#> 6 6 6 6
#> 7 8 8 8
#> 8 4 4 4
#> 9 4 4 4
#> 10 6 6 6
#> # … with 22 more rows
【讨论】：