Pass Argumente dplyr Funktionen

Question

ich die folgende Berechnung unter Verwendung von dplyr parametrisieren möchten, die mit mehr als einem Wert von Sepal.Width zugeordnet, die Werte von Sepal.Length findet:

library(dplyr) 

iris %>% 
    group_by(Sepal.Length) %>% 
    summarise(n.uniq=n_distinct(Sepal.Width)) %>% 
    filter(n.uniq > 1) 

Normalerweise so etwas wie dieses würde ich schreiben:

not.uniq.per.group <- function(data, group.var, uniq.var) { 
    iris %>% 
     group_by(group.var) %>% 
     summarise(n.uniq=n_distinct(uniq.var)) %>% 
     filter(n.uniq > 1) 
} 

Dieser Ansatz löst jedoch Fehler aus, da dplyrnon-standard evaluation verwendet. Wie sollte diese Funktion geschrieben werden?

Answer 1

Sie müssen die Standard-Testversionen der dplyr Funktionen (nur anhängen ‚_‘ zu den Funktionsnamen, dh. group_by_ & summarise_) und Streicher auf Ihre Funktion übergeben, die Sie dann in Symbole drehen müssen. Um das Argument von summarise_ zu parametrieren, müssen Sie interp() verwenden, das im -Paket definiert ist. Konkret:

library(dplyr) 
library(lazyeval) 

not.uniq.per.group <- function(df, grp.var, uniq.var) { 
    df %>% 
     group_by_(grp.var) %>% 
     summarise_(n_uniq=interp(~n_distinct(v), v=as.name(uniq.var))) %>% 
     filter(n_uniq > 1) 
} 

not.uniq.per.group(iris, "Sepal.Length", "Sepal.Width") 

Siehe dplyrvignette für Nicht-Standard-Auswertung für weitere Details.

Answer 2

Ich habe eine Funktion in der Vergangenheit geschrieben, die etwas Ähnliches tut, was Sie tun, außer dass es alle Spalten außerhalb des Primärschlüssels untersucht und nach mehreren eindeutigen Werten pro Gruppe sucht.

find_dups = function(.table, ...) { 
    require(dplyr) 
    require(tidyr) 
    # get column names of primary key 
    pk <- .table %>% select(...) %>% names 
    other <- names(.table)[!(names(.table) %in% pk)] 
    # group by primary key, 
    # get number of rows per unique combo, 
    # filter for duplicates, 
    # get number of distinct values in each column, 
    # gather to get df of 1 row per primary key, other column, 
    # filter for where a columns have more than 1 unique value, 
    # order table by primary key 
    .table %>% 
    group_by(...) %>% 
    mutate(cnt = n()) %>% 
    filter(cnt > 1) %>% 
    select(-cnt) %>% 
    summarise_each(funs(n_distinct)) %>% 
    gather_('column', 'unique_vals', other) %>% 
    filter(unique_vals > 1) %>% 
    arrange(...) %>% 
    return 
    # Final dataframe: 
    ## One row per primary key and column that creates duplicates. 
    ## Last column indicates how many unique values of 
    ## the given column exist for each primary key. 
} 

Diese Funktion arbeitet auch mit dem Rohrhalter:

dat %>% find_dups(key1, key2) 

Answer 3

Sie lazyevaldo unter Verwendung vermeiden kann eine anonyme Funktion aufrufen und dann get verwenden. Diese Lösung kann allgemeiner verwendet werden, um mehrere Aggregationen zu verwenden. Normalerweise schreibe ich die Funktion separat.

library(dplyr) 

not.uniq.per.group <- function(df, grp.var, uniq.var) { 
    df %>% 
    group_by_(grp.var) %>% 
    do((function(., uniq.var) { 
     with(., data.frame(n_uniq = n_distinct(get(uniq.var)))) 
    }  
)(., uniq.var)) %>% 
    filter(n_uniq > 1) 
} 

not.uniq.per.group(iris, "Sepal.Length", "Sepal.Width") 

Answer 4

In der Entwick-Version von dplyr (in Kürze veröffentlicht 0.6.0 werden), können wir auch für die Weitergabe der Variablen Verwendung von etwas anderen Syntax machen.

f1 <- function(df, grp.var, uniq.var) { 
    grp.var <- enquo(grp.var) 
    uniq.var <- enquo(uniq.var) 

    df %>% 
     group_by(!!grp.var) %>% 
     summarise(n_uniq = n_distinct(!!uniq.var)) %>% 
     filter(n_uniq >1) 


} 

res2 <- f1(iris, Sepal.Length, Sepal.Width) 
res1 <- not.uniq.per.group(iris, "Sepal.Length", "Sepal.Width") 
identical(res1, res2) 
#[1] TRUE 

enquo Hier nimmt die Argumente und gibt den Wert als quosure (ähnlich in der Basis R ersetzen), indem die Funktionsargumente lazily Auswerte- und innerhalb des Summarize, wir sie bitten, unquote (!! oder UQ) so dass es ausgewertet wird.

Answer 5

Wie die alten dplyr-Versionen bis 0,5 bietet der neue dplyr sowohl die Standardauswertung (SE) als auch die Nichtstandardauswertung (NSE). Aber sie sind anders ausgedrückt als zuvor.

Wenn Sie eine NSE-Funktion wünschen, haben Sie pass bare expressions and use enquo to capture them as quosures. Wenn Sie eine SE-Funktion wünschen, lassen Sie enquo weg und übergeben Sie einfach Quorements (oder Symbole) direkt. Hier ist die SE-Lösung auf die Frage:

library(tidyverse) 
library(rlang) 
f1 <- function(df, grp.var, uniq.var) { 

    df %>% 
     group_by(!!grp.var) %>% 
     summarise(n_uniq = n_distinct(!!uniq.var)) %>% 
     filter(n_uniq > 1) 
} 

a <- f1(iris, quo(Sepal.Length), quo(Sepal.Width)) 
b <- f1(iris, sym("Sepal.Length"), sym("Sepal.Width")) 
identical(a, b) 
#> [1] TRUE 

Hinweis, wie die SE-Version ermöglicht es Ihnen, mit String-Argumenten zu arbeiten - gerade biegen sie in Symbole erste sym() verwenden. Weitere Informationen finden Sie in der Vignette programming with dplyr.