「R」dplyr 编程

本文首先发布于简书[1]，本人在对相关知识有进一步理解后对本文进行修改，以便于中文更好地理解。来源：vignettes/programming.Rmd[2]

大多数 dplyr 函数使用非标准计算（NSE）。这是一个术语——意味着它们不遵循通常的计算规则。相反，它们捕获你键入的表达式并以自定义的方式对其进行计算。这让 dplyr 代码有两个主要优点：

• 数据框的操作可以简洁地表达，因为你不需要重复输入数据框名称。例如你可以这样写filter(df, x == 1, y == 2, z == 3)来代替df[dfx == 1 & df
• dplyr 可以选择以不同的方式计算结果与base R 相结合。

不幸的是，这些好处不是免费的。有两个主要缺点：

• 大多数dplyr参数不是透明。这意味着你不能用一个看似等价的对象代替一个在别处定义的值。换句话说，这个代码： df <- tibble(x = 1:3, y = 3:1) filter(df, x == 1) ## # A tibble: 1 x 2 ## x y ## <int> <int> ## 1 1 3

不等价下面这个代码：

my_var <- x
filter(df, my_var == 1)
# Error: object 'x' not found

或是这个代码：

    my_var <- "x"
    filter(df, my_var == 1)
## # A tibble: 0 x 2
## # ... with 2 variables: x <int>, y <int>

这使得很难改变被 dplyr 动词计算的参数来创建函数（这一点很重要，如果你使用 dplyr 进行数据框操作，会发现很好用，但是如果你用它创建函数，你会发现它总是以一种无法被理解的形式报错）。

• dplyr代码不明确，取决于在哪里定义了哪些变量, filter(df, x == y)可以等价于下面任意一个：df[dfx == dfy, ]df[dfx == y, ]df[x == dfy, ]df[x == y, ]

这在交互式工作时非常有用（因为它可以节省打字时间和减少打字量，快速发现问题），但使创建函数比你想要的更不可预测。

幸运的是，dplyr 提供了克服这些挑战的工具。他们需要多一点打字，但少量的前期工作是值得的，因为他们从长远来看可以帮助你节省时间。

这篇文章有两个目标：

• 演示如何使用dplyr的pronouns和quasiquotation编写可靠的函数，以减少数据分析代码中的重复。
• 教你基本理论，包括quosures——一个存储表达式和环境的数据结构，以及tidyeval——底层工具包。