我应该使用哪个rlang函数评估胶字符串作为变量名称？

Question

假设我想创建一个函数，要在 dplyr :: mutate（）中，并且在其中添加一个变量名称，并且在该函数中，它将在变量名称中提取特定模式给定并创建一个新的变量名称，就像是这样的：

library(rlang)
library(dplyr)
library(stringr)
library(glue)

myfun <- function(var) {
  y <- str_remove(ensym(var), "^.*\\.")
  other_var <- glue("Petal.{y}")
  
  if_else(var > 6 | other_var > 3, 1, 0) # What rlang function do I need to apply to other_var here?
}

我遇到的问题是如何使用rlang工具在数据框架内评估新的变量名称“ ether_var”，以便当我进行调用时下面，它将查看 iris $ sepal.length 和 iris $ petal.length 中的数据？

mutate(iris, test = myfun(Sepal.Length))

编辑：下面解决了我的直接问题，但我觉得有一种更优雅的方法：

myfun <- function(df, x) {
  y <- str_remove(ensym(x), "^.*\\.")
  other_var <- glue("Petal.{y}")
  
  if_else(x > 6 | df[[other_var]] > 3, 0, 1) 
}

mutate(iris, test = myfun(iris, Sepal.Length))

Answer 1

您可以使用环境并调用 eval_tidy（）。

这使用 caller_env（n = 1）：

myfun <- function(var) {
  
  .var <- enexpr(var)
  var_name <- as_name(.var)
  
  y <- str_remove(var_name, "^.*\\.")
  other_var <- glue("Petal.{y}")
  
  .expr <- parse_expr(glue("if_else({var_name} > 6 | {other_var} > 3, 1, 0)"))

  eval_tidy(.expr, env = caller_env(n = 1))
}

这将抓取 var 作为quosuse并使用该环境，如果您从原始突变呼叫中嵌套了函数，这可能很有用。

myfun <- function(var) {
  
  .var <- enquo(var)
  var_name <- as_name(.var)
  
  y <- str_remove(var_name, "^.*\\.")
  other_var <- glue("Petal.{y}")
  
  .expr <- parse_expr(glue("if_else({var_name} > 6 | {other_var} > 3, 1, 0)"))
  .quo <- new_quosure(.expr, quo_get_env(.var))
  
  eval_tidy(.quo)
}

Answer 2

获取数据

library(dplyr)
library(rlang)
library(stringr)
myfun <- function(var) {
  dat <- cur_data_all()
  y <- as_string(ensym(var))
  other_var <- str_c("Petal.", str_remove(y, '^.*\\.'))
  +(!((dat[[y]] > 6)|(dat[[other_var]] > 3)))
 
  }

我们可以使用 CUR_DATA_ALL（） -testing

> head(mutate(iris, test = myfun(Sepal.Length)))
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species test
1          5.1         3.5          1.4         0.2  setosa    1
2          4.9         3.0          1.4         0.2  setosa    1
3          4.7         3.2          1.3         0.2  setosa    1
4          4.6         3.1          1.5         0.2  setosa    1
5          5.0         3.6          1.4         0.2  setosa    1
6          5.4         3.9          1.7         0.4  setosa    1

Answer 3

您可以使用 rlang :: Caller_env （或 parent.frame.frame.frame ）从其呼叫环境中获取变量，以避免 rlang 依赖关系（如果需要））和获取 IT。从那里您只需使用新变量运行所需的代码：

myfun <- function(x) {
  y <- paste0("Petal.", stringr::str_remove(substitute(x), "^.*\\."))
  other_var <- get(y, rlang::caller_env())
  dplyr::if_else(x > 6 | other_var > 3, 0, 1)
}

tibble::tibble(dplyr::mutate(iris, test = myfun(Sepal.Length)))
#> # A tibble: 150 x 6
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species  test
#>           <dbl>       <dbl>        <dbl>       <dbl> <fct>   <dbl>
#>  1          5.1         3.5          1.4         0.2 setosa      1
#>  2          4.9         3            1.4         0.2 setosa      1
#>  3          4.7         3.2          1.3         0.2 setosa      1
#>  4          4.6         3.1          1.5         0.2 setosa      1
#>  5          5           3.6          1.4         0.2 setosa      1
#>  6          5.4         3.9          1.7         0.4 setosa      1
#>  7          4.6         3.4          1.4         0.3 setosa      1
#>  8          5           3.4          1.5         0.2 setosa      1
#>  9          4.4         2.9          1.4         0.2 setosa      1
#> 10          4.9         3.1          1.5         0.1 setosa      1
#> # ... with 140 more rows

^{在2022-06-28上由（v2.0.1）}

更新更多 rlang 面向方案：

myfun <- function(x) {
  var_in <- rlang::enexpr(x)
  other_var <- rlang::sym(paste0("Petal.", stringr::str_remove(var_in, "^.*\\.")))
  rlang::eval_tidy(rlang::quo(dplyr::if_else(!!var_in > 6 | !!other_var > 3, 0, 1)), rlang::caller_env())
}
tibble::tibble(dplyr::mutate(iris, test = myfun(Sepal.Length)))
#> # A tibble: 150 x 6
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species  test
#>           <dbl>       <dbl>        <dbl>       <dbl> <fct>   <dbl>
#>  1          5.1         3.5          1.4         0.2 setosa      1
#>  2          4.9         3            1.4         0.2 setosa      1
#>  3          4.7         3.2          1.3         0.2 setosa      1
#>  4          4.6         3.1          1.5         0.2 setosa      1
#>  5          5           3.6          1.4         0.2 setosa      1
#>  6          5.4         3.9          1.7         0.4 setosa      1
#>  7          4.6         3.4          1.4         0.3 setosa      1
#>  8          5           3.4          1.5         0.2 setosa      1
#>  9          4.4         2.9          1.4         0.2 setosa      1
#> 10          4.9         3.1          1.5         0.1 setosa      1
#> # ... with 140 more rows

^{在2022-06-29上创建的}