如何使用列名向量作为 dplyr::group_by() 的输入？

Question

我想创建一个基于 dplyr 的函数，对数据子集执行某些操作。子集由数据集中一个或多个键列的值定义。当仅使用一列来标识子集时，我的代码工作正常：

set.seed(1)
df <- tibble(
  g1 = c(1, 1, 2, 2, 2),
  g2 = c(1, 2, 1, 2, 1),
  a = sample(5)
)
group_key <- "g1"
aggregate <- function(df, by) {
  df %>% group_by(!!sym(by)) %>% summarize(a = mean(a))
}
aggregate(df, by = group_key)

这按预期工作并且 returns 是这样的：

# A tibble: 2 x 2
     g1     a
  <dbl> <dbl>
1     1   1.5
2     2   4

不幸的是，如果我更改 group_key:

，一切都会崩溃

group_key <- c("g1", "g2")
aggregate(df, by = group_key)

我收到一个错误：Only strings can be converted to symbols，我认为它来自 rlang::sym()。用 syms() 替换它不起作用，因为我得到一个名称列表，group_by() 窒息。

如有任何建议，我们将不胜感激！

Answer 1

您需要使用 unquote-splice 运算符 !!!:

aggregate <- function(df, by) {
  df %>% group_by(!!!syms(by)) %>% summarize(a = mean(a))
}

group_key <- c("g1", "g2")

aggregate(df, by = group_key)
## A tibble: 4 x 3
## Groups:   g1 [2]
#     g1    g2     a
#  <dbl> <dbl> <dbl>
#1     1     1   1  
#2     1     2   4  
#3     2     1   2.5
#4     2     2   5

Answer 2

或者，您可以使用 dplyr::group_by_at:

agg <- function(df, by) {
  require(dplyr)
  df %>% group_by_at(vars(one_of(by))) %>% summarize(a = mean(a))}

group_key <- "g1"
group_keys <- c("g1","g2")

agg(df, by = group_key)
#> # A tibble: 2 x 2
#>      g1     a
#>   <dbl> <dbl>
#> 1     1  2.5 
#> 2     2  3.33

agg(df, by = group_keys)
#> # A tibble: 4 x 3
#> # Groups:   g1 [2]
#>      g1    g2     a
#>   <dbl> <dbl> <dbl>
#> 1     1     1   1  
#> 2     1     2   4  
#> 3     2     1   2.5
#> 4     2     2   5

Answer 3

使用 dplyr 1.0.0 更新

新的 across() 允许像 all_of 这样的 tidyselect 功能，它取代了 NSE 的 quote-unqote 程序。代码看起来更简单一些：

aggregate <- function(df, by) {
  df %>% 
    group_by(across(all_of(by))) %>% 
    summarize(a = mean(a))
}

df %>% aggregate(group_key)

如何使用列名向量作为 dplyr::group_by() 的输入？

How to use vector of column names as input into dplyr::group_by()?

eval

r

dplyr

tidyeval

使用 dplyr 1.0.0 更新