r-使用dplyr非标准评估创建多个函数

Question

我正在尝试使用mutate_((创建多个列，其中每个列都基于使用不同输入调用的自定义函数。我可以使用paste((创建多个带引号的函数调用，但这不起作用，因为dplyr的NSE需要公式(~(而不是带引号的字符串才能找到函数。如何写下下面的"dots="行以便找到函数？我试着用~、as.formula((和lazyeval:：interp((进行实验，但都没能成功。我实际的"前缀"是一个长向量，所以我不想单独写出每个新列的函数调用。感谢

library(dplyr)
library(lazyeval)
library(nycflights13)
myfunc = function(x, y) { x - y }
# this works
flights1 <- mutate(flights, dep_time_sched = myfunc(dep_time, dep_delay), 
                            arr_time_sched = myfunc(arr_time, arr_delay))
# this doesn't - Error: could not find function "myfunc"
prefixes <- c('dep', 'arr')
dots = as.list(paste0('myfunc(', 
                       paste0(prefixes, '_time'), ', ', 
                       paste0(prefixes, '_delay)')))
flights2 <- mutate_(flights, .dots = setNames(dots, paste0(prefixes, '_time_sched')))

Answer 1

您可以通过使用interp和lapply循环前缀并获得mutate_所需格式的列表来实现这一点。

    dots = lapply(prefixes, function(var) interp(~myfunc(x, y), 
                                        .values = list(x = as.name(paste0(var, "_time")),
                                                    y = as.name(paste0(var, "_delay")))))
    dots
[[1]]
~myfunc(dep_time, dep_delay)
<environment: 0x0000000019e51f00>
[[2]]
~myfunc(arr_time, arr_delay)
<environment: 0x0000000019f1e5b0>

这将得到与flights1相同的结果。

flights2 = mutate_(flights, .dots = setNames(dots, paste0(prefixes, '_time_sched')))
identical(flights1, flights2)
[1] TRUE

Answer 2

我实际的"前缀"是一个长向量，所以我不想单独写出每个新列的函数调用。

如果是这样的话，您应该真正将数据转换为长格式。为了澄清我的意思，让我们看一个较小的例子：

mydat <- flights[1:5, c(paste0(prefixes,"_time"), paste0(prefixes,"_delay"))]
#   dep_time arr_time dep_delay arr_delay
#      (int)    (int)     (dbl)     (dbl)
# 1      517      830         2        11
# 2      533      850         4        20
# 3      542      923         2        33
# 4      544     1004        -1       -18
# 5      554      812        -6       -25
library(data.table)
longdat <- setDT(mydat)[, .( 
    pref  = rep(prefixes, each=.N), 
    time  = unlist(mget(paste0(prefixes,"_time"))),
    delay = unlist(mget(paste0(prefixes,"_delay")))
)]
longdat[, time_sched := myfunc(time, delay) ]
#     pref time delay time_sched
#  1: dep_  517     2        515
#  2: dep_  533     4        529
#  3: dep_  542     2        540
#  4: dep_  544    -1        545
#  5: dep_  554    -6        560
#  6: arr_  830    11        819
#  7: arr_  850    20        830
#  8: arr_  923    33        890
#  9: arr_ 1004   -18       1022
# 10: arr_  812   -25        837

除了更简单之外，一次调用函数还利用了它的矢量化。

虽然我使用data.table来构建longdat，但我相信tidyr包中也有一个工具可以做同样的事情(与dplyr配套(。类似地，time_sched列的添加只是mutate。

---

重塑的替代方法多亏了@akrun，这里有另一种方法可以使用melt函数语法来访问longdat，该语法将在data.table的下一版本(1.9.8，尚未发布(中提供：

longdat <- melt(mydat, 
    measure        = patterns('time$','delay$'), 
    variable.name  = "pref", 
    value.name     = c('time', 'delay')
)[, pref := prefixes[pref]]

或者，也多亏了@akrun，这里有一种重塑的方法，可以在给定后缀(time和delay(的情况下，使用@AnandaMahto的splitstackshape包自动构建前缀：

library(splitstackshape)
longdat <- merged.stack(transform(mydat, ind=1:nrow(mydat)), 
  var.stubs = c('_time', '_delay'), 
  sep = 'var.stubs', 
  atStart = FALSE)