standardowa ocena w dplyr: podsumowanie zmiennej podanej jako ciąg znaków
Aktualizacja lipiec 2020:
dplyr
1.0 zmieniło się prawie wszystko na temat tego pytania, jak również wszystkie odpowiedzi. Zobacz winietę dplyr
programowanie tutaj:
Https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html
Nowym sposobem odwoływania się do kolumn, gdy ich identyfikator jest przechowywany jako wektor znakowy, jest użycie zaimka .data
z rlang
, a następnie podzbioru tak jak w bazie R.
library(dplyr)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
select(-matches(drp)) %>%
group_by(.data[[key]]) %>%
summarise(total = sum(.data[[val]], na.rm = TRUE))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#> v3 total
#> <chr> <int>
#> 1 A 21
#> 2 B 19
Jeśli twój kod znajduje się w funkcji pakietowej, możesz @importFrom rlang .data
, aby uniknąć notatek kontrolnych r o niezdefiniowanych globalach.
ORYGINALNE PYTANIE:
Chcę odnieść się do nieznanej nazwy kolumny wewnątrz summarise
. Standardowe funkcje oceny wprowadzone w dplyr 0.3
umożliwiają odwoływanie się do nazw kolumn za pomocą zmiennych, ale wydaje się, że nie działa to, gdy wywołujesz funkcję base
R wewnątrz np. a summarise
.
library(dplyr)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
DF wygląda tak:
> df
Source: local data frame [5 x 3]
v1 v2 v3
1 1 6 A
2 2 7 A
3 3 8 A
4 4 9 B
5 5 10 B
Chcę aby upuścić v1, Grupuj przez v3 i Sumuj v2 dla każdej grupy:
df %>% select(-matches(drp)) %>% group_by_(key) %>% summarise_(sum(val, na.rm = TRUE))
Error in sum(val, na.rm = TRUE) : invalid 'type' (character) of argument
Wersja NSE select()
działa poprawnie, ponieważ może pasować do ciągu znaków. Wersja se group_by()
działa dobrze, ponieważ może teraz przyjmować zmienne jako argumenty i je oceniać. Nie znalazłem jednak sposobu na osiągnięcie podobnych wyników przy użyciu funkcji bazowych r wewnątrz funkcji dplyr
.
Rzeczy, które nie działają:
df %>% group_by_(key) %>% summarise_(sum(get(val), na.rm = TRUE))
Error in get(val) : object 'v2' not found
df %>% group_by_(key) %>% summarise_(sum(eval(as.symbol(val)), na.rm = TRUE))
Error in eval(expr, envir, enclos) : object 'v2' not found
Sprawdziłem kilka powiązane pytania , ale do tej pory żadne z proponowanych rozwiązań nie zadziałało.
5 answers
Proszę zauważyć, że ta odpowiedź Nie dotyczy , ale poprzednich wersji.
[
dplyr 0.7.0
] ma nowe podejście do niestandardowej oceny (NSE) o nazwie tidyeval. Jest on szczegółowo opisany wvignette("programming")
.
The dplyr
pomocna jest tu winieta na niestandardową ewalutację . Sprawdź sekcję "mieszanie stałych i zmiennych" i przekonaj się, że można użyć funkcji interp
z pakietu lazyeval
oraz "[u]se as.name
Jeśli masz łańcuch znaków dający nazwę zmiennej":
library(lazyeval)
df %>%
select(-matches(drp)) %>%
group_by_(key) %>%
summarise_(sum_val = interp(~sum(var, na.rm = TRUE), var = as.name(val)))
# v3 sum_val
# 1 A 21
# 2 B 19
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-12-08 14:55:27
Wraz z wydaniem pakietu rlang i aktualizacją 0.7.0 do dplyr, jest to teraz dość proste.
Jeśli chcesz użyć ciągu znaków (np. "v1") jako nazwy zmiennej, wystarczy:
- Konwersja ciągu znaków na symbol za pomocą
sym()
z pakietu rlang - w wywołaniu funkcji wpisz
!!
przed symbolem
Na przykład, wykonałbyś następujące czynności:
my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean(!!my_sym))
Bardziej zwięźle, można połączyć krok konwersji swojego string do symbolu z sym()
i prefiks go z !!
podczas pisania wywołania funkcji.
Na przykład możesz napisać:
my_var <- "Sepal.Length"
summarize(iris, mean(!!sym(my_var)))
Aby powrócić do oryginalnego przykładu, możesz wykonać następujące czynności:
library(rlang)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
# NOTE: we don't have to do anything to `drp`
# since the matches() function expects a character string
select(-matches(drp)) %>%
group_by(!!sym(key)) %>%
summarise(sum(!!sym(val), na.rm = TRUE))
Składnia Alternatywna
Z wydaniem rlang w wersji 0.4.0, możesz użyć następującej składni:
my_var <- "Sepal.Length"
my_sym <- sym(my_var)
summarize(iris, Mean = mean({{ my_sym }}))
Zamiast pisać !!my_sym
, możesz napisać {{ my_sym }}
. Ma tę zaletę, że jest prawdopodobnie jaśniejsza, ale ma wadą jest to, że musisz przekonwertować ciąg znaków na symbol przed umieszczeniem go w nawiasach. Na przykład możesz napisać !!sym(my_var)
, ale nie możesz napisać {{sym(my_var)}}
Dodatkowe informacje
Ze wszystkich oficjalnych dokumentów wyjaśniających, jak działa użycie sym()
i !!
, te wydają się być najbardziej dostępne:
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-07-30 15:32:38
Podaj argument .dots
listę łańcuchów konstruujących łańcuchy za pomocą paste
, sprintf
lub używając interpolacji łańcuchowej z pakietu gsubfn poprzez fn$list
w miejsce list
, Jak to robimy tutaj:
library(gsubfn)
df %>%
group_by_(key) %>%
summarise_(.dots = fn$list(mean = "mean($val)", sd = "sd($val)"))
Dając:
Source: local data frame [2 x 3]
v3 mean sd
1 A 7.0 1.0000000
2 B 9.5 0.7071068
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2014-12-21 17:50:07
Nowa aktualizacja dplyr:
Nowa funkcjonalność dplyr może w tym pomóc. Zamiast łańcuchów zmiennych, które wymagają niestandardowej oceny, używamy quosures quo()
. Cofamy cytowanie za pomocą innej funkcji !!
. Więcej o tych Zobacz tę winietę . Będziesz potrzebował developer ' s version of dplyr aż do pełnego wydania.
library(dplyr) #0.5.0.9004+
key <- quo(v3)
val <- quo(v2)
drp <- "v1"
df <- data_frame(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>% select(-matches("v1")) %>%
group_by(!!key) %>%
summarise(sum(!!val, na.rm = TRUE))
# # A tibble: 2 × 2
# v3 `sum(v2, na.rm = TRUE)`
# <chr> <int>
# 1 A 21
# 2 B 19
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-05-01 21:39:56
dplyr
1.0 zmieniło się prawie wszystko na temat tego pytania, jak również wszystkie odpowiedzi. Zobacz winietę dplyr
Programowanie tutaj:
Https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html
Nowym sposobem odwoływania się do kolumn, gdy ich identyfikator jest przechowywany jako wektor znakowy, jest użycie zaimka .data
z rlang
, a następnie podzbioru tak jak w bazie r.
library(dplyr)
key <- "v3"
val <- "v2"
drp <- "v1"
df <- tibble(v1 = 1:5, v2 = 6:10, v3 = c(rep("A", 3), rep("B", 2)))
df %>%
select(-matches(drp)) %>%
group_by(.data[[key]]) %>%
summarise(total = sum(.data[[val]], na.rm = TRUE))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 2 x 2
#> v3 total
#> <chr> <int>
#> 1 A 21
#> 2 B 19
Jeśli Twój kod znajduje się w funkcji pakietu, możesz @importFrom rlang .data
aby uniknąć R sprawdź notatki o niezdefiniowanych globalach.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-07-02 14:50:39