什么时候使用 'with' 函数，为什么它好？
When to use 'with' function and why is it good?
使用with()有什么好处？在帮助文件中，它提到它在从数据创建的环境中评估表达式。这样做有什么好处？与仅在全球环境中评估相比，创建环境并在其中进行评估是否更快？或者还有什么我想念的吗？
当我不想继续打字时我会使用它dataframe$。例如
with(mtcars, plot(wt, qsec))
而不是
plot(mtcars$wt, mtcars$qsec)
前者在mtcarsdata.frame中查找wt和qsec。当然
plot(qsec~wt, mtcars)
更适合使用 data= 参数的绘图或其他函数。
with 是对没有 data 参数的函数的包装
有许多函数可以处理数据框并采用 data 参数，因此您无需在每次引用列时都重新键入数据框的名称。 lm、plot.formula、subset、transform 只是几个例子。
with 是一个通用的 wrapper，让您可以像使用数据参数一样使用任何函数。
使用 mtcars 数据集，我们可以使用或不使用数据参数来拟合模型：
# this is obviously annoying
mod = lm(mtcars$mpg ~ mtcars$cyl + mtcars$disp + mtcars$wt)
# this is nicer
mod = lm(mpg ~ cyl + disp + wt, data = mtcars)
但是，如果（出于某种奇怪的原因）我们想找到 cyl + disp + wt 的 mean，就会出现问题，因为 mean 没有像 lm 确实如此。这是 with 解决的问题：
# without with(), we would be stuck here:
z = mean(mtcars$cyl + mtcars$disp + mtcars$wt)
# using with(), we can clean this up:
z = with(mtcars, mean(cyl + disp + wt))
在 with(data, foo(...)) 中包装 foo() 让我们可以使用任何函数 foo 就好像 它有一个 data 参数一样 - 这也就是说我们可以使用不带引号的列名，防止重复 data_name$column_name 或 data_name[, "column_name"].
何时使用with
只要您喜欢交互式（R 控制台）和在 R 脚本中使用 with 即可节省输入并使您的代码更清晰。您需要为单个命令 re-type 您的数据框名称的频率越高（并且您的数据框名称越长！），使用 with.
的好处就越大
另请注意，with 不限于数据帧。来自 ?with:
For the default with method this may be an environment, a list, a data frame, or an integer as in sys.call.
我不经常使用环境，但当我使用时，我发现 with 非常方便。
当您只需要一行的结果时
正如@Rich Scriven 在评论中建议的那样，当您需要使用 rle 之类的结果时，with 会非常有用。如果您只需要一次结果，那么他的示例 with(rle(data), lengths[values > 1]) 让您可以匿名使用 rle(data) 结果。
何时避免with
当是一个data参数时
许多具有 data 参数的函数在调用它时使用它不仅仅是为了更简单的语法。大多数建模函数（如 lm）和许多其他函数（ggplot！）使用提供的 data 做很多事情。如果您使用 with 而不是 的 data 参数，您将限制可用的功能。 如果有 data 参数，请使用 data 参数，而不是 with。
添加到环境中
在我上面的示例中，结果被分配给全局环境 (bar = with(...))。要在 list/environment/data 内进行赋值，您可以使用 within。 （在data.frames的情况下，transform也可以。）
包中
不要在 R 包中使用 with。 help(subset) 中有一条警告也适用于 with:
Warning This is a convenience function intended for use interactively. For programming it is better to use the standard subsetting functions like [, and in particular the non-standard evaluation of argument subset can have unanticipated consequences.
如果您使用 with 构建 R 包，当您检查它时，您可能会收到关于使用没有可见绑定的变量的警告或注释。这将使包裹无法被 CRAN 接受。
替代 with
不要使用attach
许多（大部分是过时的）R 教程使用 attach 来避免 re-typing 数据框名称，方法是使列可在全局环境中访问。 attach is widely considered to be bad practice and should be avoided。附加的主要危险之一是，如果单独修改数据列，它们可能会变得不同步。 with 避免了这个陷阱，因为它一次调用一个表达式。 Stack Overflow 上有很多很多问题，其中新用户正在遵循旧教程，并且 运行 由于 attach 而陷入问题。简单的解决方案总是不要使用attach。
一直使用with似乎太重复了
如果您要执行多个数据操作步骤，您可能会发现自己的每一行代码都以 with(my_data, ... 开头。您可能认为这种重复几乎与不使用 with 一样糟糕。 data.table 和 dplyr 包都使用 non-repetitive 语法提供高效的数据操作。我鼓励您学习使用其中之一。两者都有出色的文档。
使用with()有什么好处？在帮助文件中，它提到它在从数据创建的环境中评估表达式。这样做有什么好处？与仅在全球环境中评估相比，创建环境并在其中进行评估是否更快？或者还有什么我想念的吗？
当我不想继续打字时我会使用它dataframe$。例如
with(mtcars, plot(wt, qsec))
而不是
plot(mtcars$wt, mtcars$qsec)
前者在mtcarsdata.frame中查找wt和qsec。当然
plot(qsec~wt, mtcars)
更适合使用 data= 参数的绘图或其他函数。
with 是对没有 data 参数的函数的包装
有许多函数可以处理数据框并采用 data 参数，因此您无需在每次引用列时都重新键入数据框的名称。 lm、plot.formula、subset、transform 只是几个例子。
with 是一个通用的 wrapper，让您可以像使用数据参数一样使用任何函数。
使用 mtcars 数据集，我们可以使用或不使用数据参数来拟合模型：
# this is obviously annoying
mod = lm(mtcars$mpg ~ mtcars$cyl + mtcars$disp + mtcars$wt)
# this is nicer
mod = lm(mpg ~ cyl + disp + wt, data = mtcars)
但是，如果（出于某种奇怪的原因）我们想找到 cyl + disp + wt 的 mean，就会出现问题，因为 mean 没有像 lm 确实如此。这是 with 解决的问题：
# without with(), we would be stuck here:
z = mean(mtcars$cyl + mtcars$disp + mtcars$wt)
# using with(), we can clean this up:
z = with(mtcars, mean(cyl + disp + wt))
在 with(data, foo(...)) 中包装 foo() 让我们可以使用任何函数 foo 就好像 它有一个 data 参数一样 - 这也就是说我们可以使用不带引号的列名，防止重复 data_name$column_name 或 data_name[, "column_name"].
何时使用with
只要您喜欢交互式（R 控制台）和在 R 脚本中使用 with 即可节省输入并使您的代码更清晰。您需要为单个命令 re-type 您的数据框名称的频率越高（并且您的数据框名称越长！），使用 with.
另请注意，with 不限于数据帧。来自 ?with:
For the default
withmethod this may be an environment, a list, a data frame, or an integer as insys.call.
我不经常使用环境，但当我使用时，我发现 with 非常方便。
当您只需要一行的结果时
正如@Rich Scriven 在评论中建议的那样，当您需要使用 rle 之类的结果时，with 会非常有用。如果您只需要一次结果，那么他的示例 with(rle(data), lengths[values > 1]) 让您可以匿名使用 rle(data) 结果。
何时避免with
当是一个data参数时
许多具有 data 参数的函数在调用它时使用它不仅仅是为了更简单的语法。大多数建模函数（如 lm）和许多其他函数（ggplot！）使用提供的 data 做很多事情。如果您使用 with 而不是 的 data 参数，您将限制可用的功能。 如果有 data 参数，请使用 data 参数，而不是 with。
添加到环境中
在我上面的示例中，结果被分配给全局环境 (bar = with(...))。要在 list/environment/data 内进行赋值，您可以使用 within。 （在data.frames的情况下，transform也可以。）
包中
不要在 R 包中使用 with。 help(subset) 中有一条警告也适用于 with:
Warning This is a convenience function intended for use interactively. For programming it is better to use the standard subsetting functions like
[, and in particular the non-standard evaluation of argument subset can have unanticipated consequences.
如果您使用 with 构建 R 包，当您检查它时，您可能会收到关于使用没有可见绑定的变量的警告或注释。这将使包裹无法被 CRAN 接受。
替代 with
不要使用attach
许多（大部分是过时的）R 教程使用 attach 来避免 re-typing 数据框名称，方法是使列可在全局环境中访问。 attach is widely considered to be bad practice and should be avoided。附加的主要危险之一是，如果单独修改数据列，它们可能会变得不同步。 with 避免了这个陷阱，因为它一次调用一个表达式。 Stack Overflow 上有很多很多问题，其中新用户正在遵循旧教程，并且 运行 由于 attach 而陷入问题。简单的解决方案总是不要使用attach。
一直使用with似乎太重复了
如果您要执行多个数据操作步骤，您可能会发现自己的每一行代码都以 with(my_data, ... 开头。您可能认为这种重复几乎与不使用 with 一样糟糕。 data.table 和 dplyr 包都使用 non-repetitive 语法提供高效的数据操作。我鼓励您学习使用其中之一。两者都有出色的文档。