Übergabe von Argumenten an dplyr summarize Funktion

Question

Ich versuche, die summarize-Funktion in dplyr zu verwenden, um zusammenfassende Statistiken mithilfe einer Zwei-Argument-Funktion zu berechnen, die einen Tabellen- und Feldnamen aus einer verbundenen Datenbank übergibt. Leider, sobald ich die summarize-Funktion mit einer anderen Funktion umbringe, sind die Ergebnisse nicht korrekt. Die Endtabelle ist ein Datenrahmen, der nicht durch jede Zeile iteriert. Ich werde die Eingabe/Ausgabe unten zeigen:

Zusammenfassung Statistikfunktion Bibliothek (dplyr)

data<-iris 
data<- group_by(.data = data,Species) 

SummaryStatistics <- function(table, field){ 
table %>% 
summarise(count = n(), 
      min = min(table[[field]], na.rm = T), 
      mean = mean(table[[field]], na.rm = T, trim=0.05), 
      median = median(table[[field]], na.rm = T)) 
} 

SummaryStatistics(data, "Sepal.Length") 

Ausgabetabelle-falsch, es ist nur die gleiche Berechnung zu wiederholen

 Species count min  mean median 
1  setosa 50 4.3 5.820588 5.8 
2 versicolor 50 4.3 5.820588 5.8 
3 virginica 50 4.3 5.820588 5.8 

Korrekte Tabelle/gewünschtes Ergebnis - - So sollte der Tisch aussehen. Wenn ich die summarize-Funktion über die Wrapper-Funktion ausführe, ist dies, was es produziert.

 Species count min  mean median 
1  setosa 50 4.3 5.002174 5.0 
2 versicolor 50 4.9 5.934783 5.9 
3 virginica 50 4.9 6.593478 6.5 

Ich hoffe, dass dies leicht zu verstehen ist. Ich kann einfach nicht verstehen, warum die Statistik für die Zusammenfassung außerhalb der Wrapper-Funktion perfekt funktioniert, aber sobald ich ihr Argumente übergebe, berechnet sie für jede Zeile dasselbe. Jede Hilfe würde sehr geschätzt werden.

Danke, Kev

Answer 1

Sie müssen Standardauswertung verwenden dplyr Funktionen neben lazyeval programmatisch zu verwenden. Die dplyrNSE vignette deckt es ziemlich gut ab.

library(dplyr) 
library(lazyeval) 

data <- group_by(iris, Species) 

SummaryStatistics <- function(table, field){ 
    table %>% 
    summarise_(count = ~n(), 
       min = interp(~min(var, na.rm = T), var = as.name(field)), 
       mean = interp(~mean(var, na.rm = T, trim=0.05), var = as.name(field)), 
       median = interp(~median(var, na.rm = T), var = as.name(field))) 
} 

SummaryStatistics(data, "Sepal.Length") 

# A tibble: 3 × 5 
    Species count min  mean median 
     <fctr> <int> <dbl> <dbl> <dbl> 
1  setosa 50 4.3 5.002174 5.0 
2 versicolor 50 4.9 5.934783 5.9 
3 virginica 50 4.9 6.593478 6.5