什么!! R中的运算符均值

What does !! operator mean in R

谁能解释一下,我们需要来自 rlang!!!!!{{}} 运算符有什么用?我试图学习 more 关于准报价但没有得到任何东西。

我已经在 Stack 上发表了几篇关于 curly-curly operator 的帖子,并且了解到我们在将数据帧的变量(或我们对象的其他子对象)传递给函数时使用 {{ 。但是在阅读 quote/unquote 之后,我对所有这些运算符及其用法完全感到困惑。

为什么我们需要它,为什么有些函数没有它就不能读取参数,最后,它们是如何工作的?

如果你用我都能理解的最简单的方式回答,我将不胜感激(也许有例子?)。

!!{{ 运算符是占位符,用于将变量标记为已被引用。通常仅当您打算使用 tidyverse 进行编程时才需要它们。 tidyverse 喜欢利用 NSE(非标准评估)来减少重复量。最常见的应用是针对 "data.frame" class,其中 expressions/symbols 在搜索其他范围之前在 data.frame 的上下文中进行评估。 为了让它工作,一些特殊函数(比如包 dplyr 中的)有引用的参数。引用一个表达式,是为了保存组成表达式的符号并防止求值(在 tidyverse 的上下文中,他们使用“quosures”,除了它包含对环境的引用外,它类似于引用表达式表达了)。 虽然 NSE 非常适合交互式使用,但它显然更难编程。 让我们考虑 dplyr::select

 library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
 
 iris <- as_tibble(iris)
 
 my_select <- function(.data, col) {
   select(.data, col) 
 }
 
 select(iris, Species)
#> # A tibble: 150 × 1
#>    Species
#>    <fct>  
#>  1 setosa 
#>  2 setosa 
#>  3 setosa 
#>  4 setosa 
#>  5 setosa 
#>  6 setosa 
#>  7 setosa 
#>  8 setosa 
#>  9 setosa 
#> 10 setosa 
#> # … with 140 more rows
 my_select(iris, Species)
#> Error: object 'Species' not found

我们遇到错误,因为在my_select范围内 col 参数使用标准评估进行评估,并且 找不到名为 Species.

的变量

如果我们尝试在全局环境中创建一个变量,我们会看到函数 有效 - 但它不符合 tidyverse 的启发式方法。实际上, 他们会出示一张纸条,告知您这是不明确的使用。

 Species <- "Sepal.Width"
 my_select(iris, Species)
#> Note: Using an external vector in selections is ambiguous.
#> ℹ Use `all_of(col)` instead of `col` to silence this message.
#> ℹ See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.
#> This message is displayed once per session.
#> # A tibble: 150 × 1
#>    Sepal.Width
#>          <dbl>
#>  1         3.5
#>  2         3  
#>  3         3.2
#>  4         3.1
#>  5         3.6
#>  6         3.9
#>  7         3.4
#>  8         3.4
#>  9         2.9
#> 10         3.1
#> # … with 140 more rows

为了解决这个问题,我们需要 以防止使用 enquo() 进行评估并使用 !! 取消引用或仅使用 {{.

 my_select2 <- function(.data, col) {
   col_quo <- enquo(col)
   select(.data, !!col_quo) #attempting to find whatever symbols were passed to `col` arugment
 }
 #' `{{` enables the user to skip using the `enquo()` step.
 my_select3 <- function(.data, col) {
   select(.data, {{col}}) 
 }
 
 my_select2(iris, Species)
#> # A tibble: 150 × 1
#>    Species
#>    <fct>  
#>  1 setosa 
#>  2 setosa 
#>  3 setosa 
#>  4 setosa 
#>  5 setosa 
#>  6 setosa 
#>  7 setosa 
#>  8 setosa 
#>  9 setosa 
#> 10 setosa 
#> # … with 140 more rows
 my_select3(iris, Species)
#> # A tibble: 150 × 1
#>    Species
#>    <fct>  
#>  1 setosa 
#>  2 setosa 
#>  3 setosa 
#>  4 setosa 
#>  5 setosa 
#>  6 setosa 
#>  7 setosa 
#>  8 setosa 
#>  9 setosa 
#> 10 setosa 
#> # … with 140 more rows

总而言之,如果您尝试以编程方式应用 NSE,您实际上只需要 !!{{ 或对该语言进行某种类型的编程。

!!! 用于将某种类型的 list/vector 拼接到某些引用表达式的参数中。

 library(rlang)
 quo_let <- quo(paste(!!!LETTERS))
 quo_let
#> <quosure>
#> expr: ^paste("A", "B", "C", "D", "E", "F", "G", "H", "I", "J", "K", "L",
#>           "M", "N", "O", "P", "Q", "R", "S", "T", "U", "V", "W", "X", "Y",
#>           "Z")
#> env:  global
 eval_tidy(quo_let)
#> [1] "A B C D E F G H I J K L M N O P Q R S T U V W X Y Z"

reprex package (v2.0.1)

于 2021-08-30 创建

非标准评估 (NSE) 通常与 tidyverse/dplyr 一起使用,但大多数人在加载包时每天都会遇到它。

a <- "rlang"

print(a)               # Standard evaluation: the expression a is replace by its value
# [1] "rlang"

library(a)             # Non-standard evaluation: the expression a is used as-is
# Error in library(a) : there is no package called ‘a’

那么,如何加载一个动态指定的包呢?在这里,我们将使用准报价进行演示。 (在实际代码中,我建议改为 library(a, character.only=TRUE)。)

在基础 R 中,您可以使用 bquote() 动态构造表达式,然后对其求值。

myexpr <- bquote(library(.(a)))      # myexpr will now be library("rlang")
eval(myexpr)                         # rlang is now loaded

rlang 提供了额外的工具来操作表达式。总的来说,它们比基本的 R 工具更能表达。 !! 的行为与上述类似:

myexpr <- rlang::expr(library(!!a))  # Same as above, myexpr is now library("rlang")

您可以使用 rlang::expr!! 来构造任何表达式以供将来计算。

x <- rlang::expr(mtcars)
y <- rlang::expr(mpg > 30)
z <- rlang::expr(disp)
rlang::expr(subset(!!x, !!y, !!z))   # Constructs subset(mtcars, mpg > 30, disp)

当你有很多参数时,你可以将它们放在一个列表中并使用 !!! 快捷方式。上面的表达式可以用

复制
l <- rlang::exprs(mtcars, mpg > 30, disp)   # Note the s on exprs
rlang::expr(subset(!!!l))                   # Also builds subset(mtcars, mpg > 30, disp)

{{运算符是解释起来最复杂的一个,需要引入quosures。

R 中的表达式是 first-class 对象,这意味着它们可以传递给函数,由函数返回等。但是,使用 rlang::expr 创建的表达式总是在它们的立即数中求值语境。考虑一下,

a <- 10
x <- rlang::expr(a+5)

f <- function(y) {
  a <- 5
  eval(y)
}

f(x)     # What does this return?

即使表达式 x 捕获 a+5a 的值也会在计算表达式之前发生变化。 Quosures 捕获表达式和定义它们的环境。该环境始终用于计算该表达式。

a <- 10
x <- rlang::quo(a+5)    # Quosure = expression + environment where a == 10

f <- function(y) {
  a <- 5
  eval_tidy(y)          # Instead of simple eval()
}

f(x)                    # 15 = 10 + 5

通过使用 exprquo:

en- 版本,可以将捕获表达式或 quosure 移动到函数内部
f <- function(y) {
  a <- 5
  eval(rlang::enexpr(y))
}

g <- function(y) {
  a <- 5
  eval_tidy(rlang::enquo(y))
}

允许用户将表达式直接传递给函数

a <- 10
f(a*4)    # 20 = 5*4,  because f captures expressions, and a is overwritten
g(a*4)    # 40 = 10*4, because g captures quosures

综上所述,{{x}} 只是 !!enquo(x) 的 shorthand 符号。