惰性评估、dplyr "filter" 和 NA

Question

我在使用惰性求值和 dplyr 时遇到了一些愚蠢的问题。我正在尝试过滤一些 NAs 并且不知道为什么 lazyeval 版本不起作用。可能我遗漏了什么，但我找不到。是这样吗，还是bug？

这是一个最小的可重现示例：

library(dplyr)
library(lazyeval)

data(iris)
iris$t <- c(1:140, rep(NA, 10))

#This Works
temp <- filter(iris, !is.na(t))

#This doesn't
temp <- filter_(iris, interp(~(!is.na(x)), x="t"))

两个代码运行都没有抛出错误。

Answer 1

您需要将 "t" 作为名称传递。

interp(~(!is.na(x)), x = as.name("t"))
# ~!is.na(t)

就您的代码而言，您将 "t" 插入 is.na() 以生成 is.na("t")，每次都是 FALSE。并且否定每次都给出 TRUE，因此所有行。

interp(~(!is.na(x)), x = "t")
# ~!is.na("t")

Answer 2

dplyr 已将其 NSE 系统从 lazyeval 切换到 rlang (documented here)，弃用 *_ 函数以支持新语法：

library(dplyr)

data(iris)
iris <- iris %>% mutate(t = c(1, rep(NA, 149)))

# normal NSE
iris %>% filter(!is.na(t))
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species t
#> 1          5.1         3.5          1.4         0.2  setosa 1

# string-based SE; use `rlang::sym` to convert to quosure and !! to unquote
x <- "t"
iris %>% filter(!is.na(!!rlang::sym(x)))
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species t
#> 1          5.1         3.5          1.4         0.2  setosa 1

# program your own NSE with `quo` and friends
x <- quo(t)
iris %>% filter(!is.na(!!x))
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species t
#> 1          5.1         3.5          1.4         0.2  setosa 1

# both versions work across the tidyverse
iris %>% tidyr::drop_na(!!x)
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species t
#> 1          5.1         3.5          1.4         0.2  setosa 1

# though tidyr::drop_na is happy with strings anyway
iris %>% tidyr::drop_na("t")
#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species t
#> 1          5.1         3.5          1.4         0.2  setosa 1

惰性评估、dplyr "filter" 和 NA

Lazy eval, dplyr "filter" and NAs

r

na

dplyr

lazyeval