为什么 R 允许引用数据框中未引用的列？ [关闭]答案

【问题标题】：Why does R allow to refer to a column in a data frame unquoted? [closed]为什么 R 允许引用数据框中未引用的列？ [关闭]
【发布时间】：2018-11-29 20:46:04
【问题描述】：

例如，在 Pandas 中，您总是需要通过字符串中的名称来引用 DataFrame 中的列：

df = pd.DataFrame(list(range(1,10)),columns = ["a"])
df["a"]

但是在 R 中，包括它的一些包，例如 data.table 和 dplyr，您可以引用不带引号的列，就像这样：

dt <- data.table(a = 1:10)
dt[,.(a)]

在我看来，引用未引用的列名是一场灾难。您获得的唯一好处是您无需输入""。但缺点是无限的：

1) 您经常需要以编程方式选择列。如果列名不加引号，您需要区分“外部”和“内部”上下文中的变量。

col_name <- "a"
dt[,..col_name]

2) 即使您设法选择在字符串向量中指定的列，也很难对它们进行（复杂）操作。在this question中提到，你需要这样做：

diststr = "dist"
valstr = "val"

x[get(valstr) < 5, c(diststr) := 
get(diststr)*sum(get(diststr))]

总而言之，我的感觉是，与在 pandas 中完成的方式相比，在 R 中处理数据根本不简单/自然。有人可以解释一下这有什么好处吗？

【问题讨论】：

但从基础 R 也可以看到 with()、within()、subset()、模型公式，...非标准评估的优点和缺点是巨大的蠕虫罐头，但我投票决定以基于意见的方式关闭......
这是基于意见的，但“缺点是无限的”是错误的。我对data.table 不太熟悉，但dplyr 的评估是完全明确的。是的，这是为了节省打字。键入 "" 需要 2 到 4 次击键（如果您使用 Rstudio，则为 2 次），当您必须键入这么多变量时，它会变得很多。
同样在 Rstudio 中，不带引号的变量允许使用选项卡自动完成变量名，而这在字符串中可能是不可能的。

标签： r pandas dplyr data.table

【解决方案1】：

在 Pandas 中，您可以引用不带引号的适当命名的列，例如：

df = pd.DataFrame(dict(
  a=[1,2,3],
  b=[5,6,7],
))
print(df.a)

在 R 中有效、简洁且语法相似。

选择取决于代码作者对数据集的了解程度以及当时的便利性 - 对于快速分析来说这很好，对于更多可重复的工作流程来说这可能会很尴尬。

在处理数据库时，我也经常使用不带引号的变量访问器——列名基本上总是有效的标识符

df = pd.read_sql('select a, b from foo', dbcon)
df.a

或

df <- dbGetQuery(dbcon, 'select a, b from foo')
df$a

分别用于 Pandas 和 R……

每种语言/库都提供工具，您可以适当地使用它们！

【讨论】：