理解rlang：mutate with variable col name和variable column

Question

我想定義一個帶有data.frame和列名的函數，並返回data.frame，並將該列轉換為（例如小寫）。 當列名提前知道時，這很簡單：

diamonds %>% mutate(cut = tolower(cut))

如何定義函數foo ，例如：

col <- "cut"
foo(diamonds, col) 

做同樣的行為嗎？ （不尋找基本R或data.table答案，因為我想保留dplyr將其轉換為懶惰評估的SQL調用的能力）。

如果我只是想讓我的功能使用： foo(diamonds, cut) ，我只需要enquo和!!

foo <- function(df, col){
    x <- enquo(col)
    mutate(df, !!x := tolower(!!x))
}

如果我想用引號中的列名， foo(diamonds, "cut") ，添加ensym就足夠了：

foo <- function(df, col){
    col <- ensym(col)
    x <- enquo(col)
    mutate(df, !!x := tolower(!!x))
}

但是當給出參數的變量時，這會失敗：

col <- "cut"
foo(diamonds, col) 

Error in ~col : object 'col' not found

我錯過了什么可以評估變量？

Answer 1

您還可以使用mutate_at()完全避免整理eval。

library(tidyverse)

(x <- tibble(
  num = 1:3,
  month = month.abb[num]
))
#> # A tibble: 3 x 2
#>     num month
#>   <int> <chr>
#> 1     1 Jan  
#> 2     2 Feb  
#> 3     3 Mar

x %>%
  mutate(month = tolower(month))
#> # A tibble: 3 x 2
#>     num month
#>   <int> <chr>
#> 1     1 jan  
#> 2     2 feb  
#> 3     3 mar

foo <- function(df, col) {
  mutate_at(df, .vars = col, .funs = tolower)
}

foo(x, "month")
#> # A tibble: 3 x 2
#>     num month
#>   <int> <chr>
#> 1     1 jan  
#> 2     2 feb  
#> 3     3 mar

this <- "month"
foo(x, this)
#> # A tibble: 3 x 2
#>     num month
#>   <int> <chr>
#> 1     1 jan  
#> 2     2 feb  
#> 3     3 mar

^{由reprex包創建於2019-03-09（v0.2.1.9000）}

Answer 2

library(tidyverse)

col <- "cut"

foo <- function(df, col) {
  df %>% 
    mutate(!!sym(col) := tolower(!!sym(col)))
}

foo(diamonds, col)

檢查在dplyr :: filter中將字符串作為變量名傳遞 。

Answer 3

回到原始示例，只需使用ensym()將文本參數轉換為符號，在這種情況下不需要quosure。

library(ggplot2)
col <- "cut"
foo <- function(df, col){
    col <- rlang::sym(col)
    dplyr::mutate(df, !!col := tolower(!!col))
}

foo(diamonds, col)
#> # A tibble: 53,940 x 10
#>    carat cut       color clarity depth table price     x     y     z
#>    <dbl> <chr>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
#>  1 0.23  ideal     E     SI2      61.5    55   326  3.95  3.98  2.43
#>  2 0.21  premium   E     SI1      59.8    61   326  3.89  3.84  2.31
#>  3 0.23  good      E     VS1      56.9    65   327  4.05  4.07  2.31
#>  4 0.290 premium   I     VS2      62.4    58   334  4.2   4.23  2.63
#>  5 0.31  good      J     SI2      63.3    58   335  4.34  4.35  2.75
#>  6 0.24  very good J     VVS2     62.8    57   336  3.94  3.96  2.48
#>  7 0.24  very good I     VVS1     62.3    57   336  3.95  3.98  2.47
#>  8 0.26  very good H     SI1      61.9    55   337  4.07  4.11  2.53
#>  9 0.22  fair      E     VS2      65.1    61   337  3.87  3.78  2.49
#> 10 0.23  very good H     VS1      59.4    61   338  4     4.05  2.39
#> # … with 53,930 more rows

^{由reprex包創建於2019-03-11（v0.2.1）}