luận Pass để dplyr chức năng

Question

Tôi muốn parameterise việc tính toán sau bằng dplyr mà tìm thấy những giá trị của Sepal.Length có liên quan đến nhiều hơn một giá trị của Sepal.Width:

library(dplyr) 

iris %>% 
    group_by(Sepal.Length) %>% 
    summarise(n.uniq=n_distinct(Sepal.Width)) %>% 
    filter(n.uniq > 1) 

Thông thường tôi sẽ viết một cái gì đó như thế này:

not.uniq.per.group <- function(data, group.var, uniq.var) { 
    iris %>% 
     group_by(group.var) %>% 
     summarise(n.uniq=n_distinct(uniq.var)) %>% 
     filter(n.uniq > 1) 
} 

Tuy nhiên, phương pháp này sẽ phát sinh lỗi vì dplyr sử dụng non-standard evaluation. Chức năng này nên được viết như thế nào?

Answer 1

Bạn cần phải sử dụng các phiên bản đánh giá tiêu chuẩn của dplyr chức năng (chỉ cần thêm '_' với tên chức năng, tức là. group_by_ & summarise_) và vượt qua chuỗi để chức năng của bạn, mà bạn thì cần phải biến thành các biểu tượng. Để tham số hóa đối số của summaryise_, bạn sẽ cần phải sử dụng interp(), được xác định trong gói lazyeval. Cụ thể:

library(dplyr) 
library(lazyeval) 

not.uniq.per.group <- function(df, grp.var, uniq.var) { 
    df %>% 
     group_by_(grp.var) %>% 
     summarise_(n_uniq=interp(~n_distinct(v), v=as.name(uniq.var))) %>% 
     filter(n_uniq > 1) 
} 

not.uniq.per.group(iris, "Sepal.Length", "Sepal.Width") 

Xem dplyrvignette để đánh giá tiêu chuẩn không cho biết thêm chi tiết.

Answer 2

Tôi đã viết một hàm trong quá khứ làm điều gì đó tương tự với những gì bạn đang làm, ngoại trừ việc nó khám phá tất cả các cột bên ngoài khóa chính và tìm nhiều giá trị duy nhất cho mỗi nhóm.

find_dups = function(.table, ...) { 
    require(dplyr) 
    require(tidyr) 
    # get column names of primary key 
    pk <- .table %>% select(...) %>% names 
    other <- names(.table)[!(names(.table) %in% pk)] 
    # group by primary key, 
    # get number of rows per unique combo, 
    # filter for duplicates, 
    # get number of distinct values in each column, 
    # gather to get df of 1 row per primary key, other column, 
    # filter for where a columns have more than 1 unique value, 
    # order table by primary key 
    .table %>% 
    group_by(...) %>% 
    mutate(cnt = n()) %>% 
    filter(cnt > 1) %>% 
    select(-cnt) %>% 
    summarise_each(funs(n_distinct)) %>% 
    gather_('column', 'unique_vals', other) %>% 
    filter(unique_vals > 1) %>% 
    arrange(...) %>% 
    return 
    # Final dataframe: 
    ## One row per primary key and column that creates duplicates. 
    ## Last column indicates how many unique values of 
    ## the given column exist for each primary key. 
} 

Chức năng này cũng làm việc với các nhà điều hành đường ống:

dat %>% find_dups(key1, key2) 

Answer 3

Bạn có thể tránh lazyeval bằng cách sử dụng do để gọi một chức năng ẩn danh và sau đó sử dụng get. Giải pháp này có thể được sử dụng rộng rãi hơn để sử dụng nhiều tập hợp. Tôi thường viết riêng hàm.

library(dplyr) 

not.uniq.per.group <- function(df, grp.var, uniq.var) { 
    df %>% 
    group_by_(grp.var) %>% 
    do((function(., uniq.var) { 
     with(., data.frame(n_uniq = n_distinct(get(uniq.var)))) 
    }  
)(., uniq.var)) %>% 
    filter(n_uniq > 1) 
} 

not.uniq.per.group(iris, "Sepal.Length", "Sepal.Width") 

Answer 4

Trong phiên bản devel của dplyr (sớm được phát hành 0.6.0), chúng tôi cũng có thể tận dụng cú pháp hơi khác nhau để thông qua các biến.

f1 <- function(df, grp.var, uniq.var) { 
    grp.var <- enquo(grp.var) 
    uniq.var <- enquo(uniq.var) 

    df %>% 
     group_by(!!grp.var) %>% 
     summarise(n_uniq = n_distinct(!!uniq.var)) %>% 
     filter(n_uniq >1) 


} 

res2 <- f1(iris, Sepal.Length, Sepal.Width) 
res1 <- not.uniq.per.group(iris, "Sepal.Length", "Sepal.Width") 
identical(res1, res2) 
#[1] TRUE 

Đây enquo mất các đối số và trả về giá trị như một quosure (tương tự để thay thế trong cơ sở R) bằng cách đánh giá các đối số chức năng uể oải và bên trong Tóm tắt, chúng tôi yêu cầu nó để unquote (!! hoặc UQ) để nó được đánh giá.

Answer 5

Giống như phiên bản dplyr cũ tối đa 0,5, dplyr mới có cơ sở cho cả đánh giá chuẩn (SE) và đánh giá không chuẩn (NSE). Nhưng chúng được thể hiện khác so với trước đây.

Nếu bạn muốn có chức năng NSE, bạn pass bare expressions and use enquo to capture them as quosures. Nếu bạn muốn có hàm SE, bạn bỏ qua enquo và chỉ cần chuyển trực tiếp các ký hiệu (hoặc ký hiệu). Dưới đây là giải pháp SE cho câu hỏi:

library(tidyverse) 
library(rlang) 
f1 <- function(df, grp.var, uniq.var) { 

    df %>% 
     group_by(!!grp.var) %>% 
     summarise(n_uniq = n_distinct(!!uniq.var)) %>% 
     filter(n_uniq > 1) 
} 

a <- f1(iris, quo(Sepal.Length), quo(Sepal.Width)) 
b <- f1(iris, sym("Sepal.Length"), sym("Sepal.Width")) 
identical(a, b) 
#> [1] TRUE 

Lưu ý cách phiên bản SE cho phép bạn làm việc với đối số chuỗi - chỉ biến chúng thành những biểu tượng đầu tiên sử dụng sym(). Để biết thêm thông tin, hãy xem programming with dplyr họa tiết.