当库函数使用非标准评估时重构 R 代码

Question

我有一些看起来像这样的 R 代码：

library(dplyr)
library(datasets)

iris %.% group_by(Species) %.% filter(rank(Petal.Length, ties.method = 'random')<=2) %.% ungroup()

给予：

Source: local data frame [6 x 5]

  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          4.3         3.0          1.1         0.1     setosa
2          4.6         3.6          1.0         0.2     setosa
3          5.0         2.3          3.3         1.0 versicolor
4          5.1         2.5          3.0         1.1 versicolor
5          4.9         2.5          4.5         1.7  virginica
6          6.0         3.0          4.8         1.8  virginica

这按物种分组，每个组只保留Petal.Length最短的两个。我的代码中有一些重复，因为我为不同的列和数字做了几次。例如：

iris %.% group_by(Species) %.% filter(rank(Petal.Length, ties.method = 'random')<=2) %.% ungroup()
iris %.% group_by(Species) %.% filter(rank(-Petal.Length, ties.method = 'random')<=2) %.% ungroup()
iris %.% group_by(Species) %.% filter(rank(Petal.Width, ties.method = 'random')<=3) %.% ungroup()
iris %.% group_by(Species) %.% filter(rank(-Petal.Width, ties.method = 'random')<=3) %.% ungroup()

我想把它提取到一个函数中。天真的方法不起作用：

keep_min_n_by_species <- function(expr, n) {
  iris %.% group_by(Species) %.% filter(rank(expr, ties.method = 'random') <= n) %.% ungroup()
}

keep_min_n_by_species(Petal.Width, 2)

Error in filter_impl(.data, dots(...), environment()) : 
  object 'Petal.Width' not found 

据我了解，rank(Petal.Length, ties.method = 'random') <= 2 表达式是在不同的上下文中计算的，由 filter 函数引入，它为 Petal.Length 表达式提供了含义。我不能只为 Petal.Length 换一个变量，因为它将在错误的上下文中进行评估。我尝试使用substitute 和eval 的不同组合，并阅读了此页面：Non-standard evaluation。我想不出合适的组合。我认为问题可能是我不只是想将调用者 (Petal.Length) 的表达式传递到 filter 进行评估 - 我想构造一个新的更大的表达式 (rank(Petal.Length, ties.method = 'random') <= 2) 和然后将整个表达式传递给 filter 进行评估。

1. 如何将 this 表达式重构为函数？
2. 更一般地说，我应该如何将 R 表达式提取到函数中？
3. 更一般地说，我是不是抱着错误的心态来处理这个问题？在我熟悉的更主流的语言（例如 Python、C++、C#）中，这是一个相对简单的操作，我一直希望这样做以消除代码中的重复。在 R 中，似乎（至少对我来说）非标准评估可以使它成为一个非常不明显的操作。我应该完全做其他事情吗？

Answer 1

dplyr 0.3 版开始使用lazyeval 包解决这个问题，正如@baptiste 所提到的，以及使用标准评估的新函数系列（与NSE 版本相同的函数名称，但以_ 结尾）。这里有一个小插曲：https://github.com/hadley/dplyr/blob/master/vignettes/nse.Rmd

话虽如此，我不知道您正在尝试做的事情的最佳实践（尽管我正在尝试做同样的事情）。我有一些工作，但就像我说的，我不知道这是否是最好的方法。注意使用filter_()而不是filter()，并将参数作为带引号的字符串传递：

devtools::install_github("hadley/dplyr")
devtools::install_github("hadley/lazyeval")

library(dplyr)
library(lazyeval)

keep_min_n_by_species <- function(expr, n, rev = FALSE) {
  iris %>% 
    group_by(Species) %>% 
    filter_(interp(~rank(if (rev) -x else x, ties.method = 'random') <= y, # filter_, not filter
                   x = as.name(expr), y = n)) %>% 
    ungroup()
}

keep_min_n_by_species("Petal.Width", 3) # "Petal.Width" as character string
keep_min_n_by_species("Petal.Width", 3, rev = TRUE)

根据@hadley 的评论更新：

keep_min_n_by_species <- function(expr, n) {
  expr <- lazy(expr)

  formula <- interp(~rank(x, ties.method = 'random') <= y,
                    x = expr, y = n)

  iris %>% 
    group_by(Species) %>% 
    filter_(formula) %>% 
    ungroup()
}

keep_min_n_by_species(Petal.Width, 3)
keep_min_n_by_species(-Petal.Width, 3)

Answer 2

怎么样

keep_min_n_by_species <- function(expr, n) {
    mc <- match.call()
    fx <- bquote(rank(.(mc$expr), ties.method = 'random') <= .(mc$n))
    iris %.% group_by(Species) %.% filter(fx) %.% ungroup()
}

这似乎让所有语句都可以正常运行

keep_min_n_by_species(Petal.Width, 2)
keep_min_n_by_species(-Petal.Width, 2)
keep_min_n_by_species(Petal.Width, 3)
keep_min_n_by_species(-Petal.Width, 3)

我们的想法是我们使用match.call() 来捕获传递给函数的未计算表达式。然后我们使用bquote()将过滤器构建为调用对象。