Verwenden Sie invoke_map, um Variablennamen als Argumente zu übergeben

Question

Ich möchte invoke_map verwenden, um eine Liste von Funktionen aufzurufen. Ich habe eine Reihe von Variablennamen, die ich als Argumente für jede der Funktionen verwenden möchte. Letztendlich werden die Variablennamen mit group_by verwendet.

Hier ist ein Beispiel:

library(dplyr) 
library(purrr) 
first_fun <- function(...){ 
    by_group = quos(...) 
    mtcars %>% 
    group_by(!!!by_group) %>% 
    count() 
} 

second_fun <- function(...){ 
    by_group = quos(...) 
    mtcars %>% 
    group_by(!!!by_group) %>% 
    summarise(avg_wt = mean(wt)) 
} 

first_fun(mpg, cyl) # works 
second_fun(mpg, cyl) # works 

both_funs <- list(first_fun, second_fun) 

both_funs %>% 
    invoke_map(mpg, cyl) # What do I do here? 

ich verschiedene Versuche versucht haben, die Variablennamen in Anführungszeichen zu setzen, enquo, verwenden vars Bezugs .data$mpg, etc, aber ich bin Messerstecherei im Dunkeln ein wenig.

Answer 1

Das Problem ist nicht, dass Sie Punkte verwenden, es ist, dass Sie Namen verwenden und wenn map2_impl aufgerufen wird, werden diese Argumente ausgewertet.

die Sie interessieren und die Umgebung erkunden:

debugonce(map2) 
both_funs %>% invoke_map("mpg", "cyl") 

Diese auf der anderen Seite funktioniert:

first_fun2 <- function(...){ 
    mtcars %>% 
    {do.call(group_by_,list(.,unlist(list(...))))} %>% 
    count() 
} 

second_fun2 <- function(...){ 
    mtcars %>% 
    {do.call(group_by_,list(.,unlist(list(...))))} %>% 
    summarise(avg_wt = mean(wt)) 
} 

both_funs2 <- list(first_fun2, second_fun2) 
both_funs2 %>% invoke_map("mpg", "cyl") 

# [[1]] 
# # A tibble: 25 x 2 
# # Groups: mpg [25] 
# mpg  n 
# <dbl> <int> 
# 1 10.4  2 
# 2 13.3  1 
# 3 14.3  1 
# 4 14.7  1 
# 5 15.0  1 
# 6 15.2  2 
# 7 15.5  1 
# 8 15.8  1 
# 9 16.4  1 
# 10 17.3  1 
# # ... with 15 more rows 
# 
# [[2]] 
# # A tibble: 25 x 2 
# mpg avg_wt 
# <dbl> <dbl> 
# 1 10.4 5.3370 
# 2 13.3 3.8400 
# 3 14.3 3.5700 
# 4 14.7 5.3450 
# 5 15.0 3.5700 
# 6 15.2 3.6075 
# 7 15.5 3.5200 
# 8 15.8 3.1700 
# 9 16.4 4.0700 
# 10 17.3 3.7300 
# # ... with 15 more rows