rlang:在map()中使用.x和quosure？

Question

我试图将data.frame中的一组变量/值传递给map函数，但不知道如何处理.x引用需要评估的质量这一事实：mutate(df2 = map2(variable, value, ~filter(df1, .x==.y))) --天真的!!.x将无法工作。

在这里，我的data.frame有一个变量列，一个值列，将在一个过滤器调用中映射：

tibble(variable=c("wool", "tension"), 
       value= c("A", "L")) 
#> # A tibble: 2 x 2
#>   variable value
#>   <chr>    <chr>
#> 1 wool     A    
#> 2 tension  L

我怎样才能把这些传递给过滤器？我应该把变量声明为数量吗？我尝试了几种方法：

library(tidyverse)
data(warpbreaks)

tibble(variable=c("wool", "tension"), 
       value= c("A", "L")) %>% 
  mutate(data_filtered=map2(variable, value, ~filter(warpbreaks, .x==.y)))
#> # A tibble: 2 x 3
#>   variable value data_filtered       
#>   <chr>    <chr> <list>              
#> 1 wool     A     <data.frame [0 × 3]>
#> 2 tension  L     <data.frame [0 × 3]>

tibble(variable=c(quo(wool), quo(tension)), 
       value= c("A", "L")) %>% 
  mutate(data_filtered=map2(variable, value, ~filter(warpbreaks, eval_tidy(.x)==.y)))
#> Error in eval_tidy(.x): object 'wool' not found

Answer 1

在您的示例中，您尝试以嵌套的方式使用dplyr谓词：mutate()中有一个mutate()。这对于正常使用很好，但是我们在使用整洁的eval特性时需要小心一点，因为这些特性在调用外部函数时应用得很早。由于这个原因，如果您尝试在内部动词中使用!!或.data，通常会出现计时问题。

@zack的答案显示了如何分两步分解问题，以避免嵌套问题。在这种情况下，另一种可能是通过直接在mutate()上映射来省略df步骤(因为这个想法可以直接映射到@Spacedman )。在这里，我们将使用pmap()，它在列表或数据框架上并行映射：

# For pretty-printing
options(tibble.print_max = 5, tibble.print_min = 5)
warpbreaks <- as_tibble(warpbreaks)

pmap(df, ~ filter(warpbreaks, .data[[.x]] == .y))
#> [[1]]
#> # A tibble: 27 x 3
#>   breaks wool  tension
#>    <dbl> <fct> <fct>
#> 1     26 A     L
#> 2     30 A     L
#> 3     54 A     L
#> 4     25 A     L
#> 5     70 A     L
#> # … with 22 more rows
#>
#> [[2]]
#> # A tibble: 18 x 3
#>   breaks wool  tension
#>    <dbl> <fct> <fct>
#> 1     26 A     L
#> 2     30 A     L
#> 3     54 A     L
#> 4     25 A     L
#> 5     70 A     L
#> # … with 13 more rows

Answer 2

您可以使用R的本机替换工具，在处理环境时，rlang更有价值，但是对于更复杂的符号替换(例如嵌套)，基R更容易(至少对我来说)。

tibble(variable=c("wool", "tension"), 
       value= c("A", "L")) %>% 
  mutate(data_filtered=map2(variable, value, ~eval(bquote(
    filter(warpbreaks, .(sym(.x)) ==.y)))))

tibble(variable=c("wool", "tension"), 
       value= c("A", "L")) %>% 
  mutate(data_filtered=map2(variable, value, ~eval(substitute(
    filter(warpbreaks, X ==.y), list(X = sym(.x))))))

# output for either
# # A tibble: 2 x 3
#       variable value data_filtered        
#          <chr>    <chr> <list>               
#   1 wool     A     <data.frame [27 x 3]>
#   2 tension  L     <data.frame [18 x 3]>