如何在不破坏 data.table 的自定义评估的情况下调整 `[.data.table` 中的 j？

Question

我正在尝试将 data.table 扩展到 speed up/standardize analyses of complex survey designs。为此，我尝试在 [.data.table 之上添加一个光层，在其中拦截 j 中的调用，并在某些情况下替换操作（例如 mean 到 median) 当需要特殊测量类型命令时（或者当不需要特殊命令时使用普通函数以利用 data.table 的 geforce 类型优化）。

根据我对 s3 dispatch 的部分理解，NextMethod 应该是这里合适的函数，但它似乎将 j 作为符号 j 传递（例如 a[, j] 而不是与 data.table 的 NSE 奇怪地交互的 a[, median(v1)]。我已经尝试过带有 do.call 的版本，但无法通过一些无限递归废话（do.call('[', ...)将无休止地发送 [.dtsurvey)

是否有一种简洁的方法来调整参数并将其传递给 data.table？在下面的玩具示例中，我希望调用 return 列 v1 的 median，即使初始操作是 mean.

library('data.table')

a = data.table(v1 = 1:10)
b = copy(a)

"[.dtsurvey" <- function(x, i, j, by, ...){
  
  j = substitute(j)
  print(j)
  if(j[[1]] == 'mean') j[[1]] = quote(median)
  print(j)

  NextMethod(`[`, x)
}
class(a) <- c('dtsurvey', class(a))
a[, mean(v1)]
#> mean(v1)
#> median(v1)
#> Error in `[.data.table`(a, , mean(v1)): j (the 2nd argument inside [...]) is a single symbol but column name 'j' is not found. Perhaps you intended DT[, ..j]. This difference to data.frame is deliberate and explained in FAQ 1.1.

^{由 reprex package (v0.3.0)}

于 2020-10-08 创建

Answer 1

我认为您无法在此处利用 NextMethod，据我所知，它会考虑传递的参数。这是一种方法：

library(data.table)
a = data.table(v1 = c(1,2,9))
b = copy(a)

"[.dtsurvey" <- function(x, i, j, by, ...){
  mc <- match.call()
  j <- substitute(j)
  j <- do.call(substitute, list(j, list(mean = quote(median))))
  mc[["j"]] <- j
  mc[[1]] <- quote(data.table:::`[.data.table`)
  eval.parent(mc)
}

class(a) <- c('dtsurvey', class(a))
a[, mean(v1)]
#> [1] 2
b[, mean(v1)]
#> [1] 4

^{由 reprex package (v0.3.0)}

于 2020-10-08 创建

或者：

"[.dtsurvey" <- function(x, i, j, by, ...){
  mc <- match.call()
  mc[["j"]] <- do.call(substitute, list(substitute(j), list(mean = quote(median))))
  mc[[1]] <- quote(`[`)
  mc[[2]] <- substitute(as.data.table(x))
  eval.parent(mc)
}

如何在不破坏 data.table 的自定义评估的情况下调整 `[.data.table` 中的 j？

How to adjust j in `[.data.table` without breaking data.table's custom evaluation?

r

r-s3

data.table