如何創建一個 function 來改變具有變量名和“_pct”的新列？

Question

以mtcars為例。 我想寫一個 function 來創建一個count和pct列，如下所示 -

library(tidyverse)

mtcars %>% 
  group_by(cyl) %>% 
  summarise(count = n()) %>% 
  ungroup() %>% 
  mutate(cyl_pct = count/sum(count))

這將產生 output -

# A tibble: 3 x 3
    cyl count mpg_pct
  <dbl> <int>   <dbl>
1     4    11   0.344
2     6     7   0.219
3     8    14   0.438

但是，我想創建一個 function ，我可以在其中將group_by列指定為任何列，而mutate列將命名為groub_by中指定的列名和一個_pct 。 因此，如果我想使用disp ， disp將是我的group_by變量，並且 function 將改變disp_pct列。

Answer 1

類似於 akrun 的答案，但使用{{而不是!! ：

foo = function(data, col) {
  data %>%
    group_by({{col}}) %>%
    summarize(count = n()) %>%
    ungroup %>% 
    mutate(
      "{{col}}_pct" := count / sum(count)
    )
}

foo(mtcars, cyl)
# `summarise()` ungrouping output (override with `.groups` argument)
# # A tibble: 3 x 3
#     cyl count cyl_pct
#   <dbl> <int>   <dbl>
# 1     4    11   0.344
# 2     6     7   0.219
# 3     8    14   0.438

Answer 2

假設輸入未加引號，使用ensym轉換為符號，在group_by中評估 ( !! )，同時將符號轉換為字符串 ( as_string ) 並粘貼新列名的前綴 '_pct'。 在mutate中，我們可以使用:=和!! 從創建的 object 中分配列名（'colnm'）

library(stringr)
library(dplyr)
f1 <- function(dat, grp) {
        grp <- ensym(grp)
        colnm <- str_c(rlang::as_string(grp), '_pct')
        dat %>%
           group_by(!!grp) %>%
           summarise(count = n(), .groups = 'drop') %>%
           mutate(!! colnm := count/sum(count))
     }

-測試

f1(mtcars, cyl)
# A tibble: 3 x 3
#    cyl count cyl_pct
#  <dbl> <int>   <dbl>
#1     4    11   0.344
#2     6     7   0.219
#3     8    14   0.438

Answer 3

這可能與我親愛的朋友@akrun 發布的沒有什么不同。 但是，在我的版本中，我使用enquo function 而不是ensym 。 兩者之間實際上存在細微差別，我想您可能有興趣知道：

• 根據 nse nse-defuse的文檔， ensym返回一個原始表達式，而enquo返回一個“quosure”，它實際上是一個“包含表達式和環境的包裝器”。 所以我們需要一個額外的步驟來訪問由enquo的 quosure 表達式。
• 在這種情況下，我們使用get_expr來達到我們的目的。 因此，這只是編寫此 function 的另一個版本，我認為未來閱讀這篇文章的人可能會對它感興趣。

library(dplyr)
library(rlang)

fn <- function(data, Var) {
  Var <- enquo(Var)
  colnm <- paste(get_expr(Var), "pct", sep = "_")

  data %>% 
    group_by(!!Var) %>% 
    summarise(count = n()) %>% 
    ungroup() %>% 
    mutate(!! colnm := count/sum(count))
}

fn(mtcars, cyl)

# A tibble: 3 x 3
    cyl count cyl_pct
  <dbl> <int>   <dbl>
1     4    11   0.344
2     6     7   0.219
3     8    14   0.438