为什么我使用 SE 或 NSE dplyr 函数得到不同的结果

Question

嗨，当我通过 lazyeval 包使用标准评估时，我从 dplyr 函数得到了不同的结果。

这里是如何使用 250k 行和大约 230k 组重现接近我的真实数据的东西。我想按 id1、id2 分组，并为每个组使用 max(datetime) 对行进行子集化。

library(dplyr)
# random datetime generation function by Dirk Eddelbuettel
# 
rand.datetime <- function(N, st = "2012/01/01", et = "2015/08/13") {
  st <- as.POSIXct(as.Date(st))
  et <- as.POSIXct(as.Date(et))
  dt <- as.numeric(difftime(et,st,unit="sec"))
  ev <- sort(runif(N, 0, dt))
  rt <- st + ev
}

set.seed(42)
# Creating 230000 ids couples
ids <- data_frame(id1 = stringi::stri_rand_strings(23e4, 9, pattern = "[0-9]"), 
                  id2 = stringi::stri_rand_strings(23e4, 9, pattern = "[0-9]"))
# Repeating randomly the ids[1:2000, ] to create groups    
ids <- rbind(ids, ids[sample(1:2000, 20000, replace = TRUE), ])
datas <- mutate(ids, datetime = rand.datetime(25e4))

当我使用 NSE 方式时，我得到了 230000 行

df1 <- 
  datas %>% 
  group_by(id1, id2) %>% 
  filter(datetime == max(datetime))
nrow(df1) #230000

但是当我使用 SE 时，我只有 229977 行

ids <- c("id1", "id2")
filterVar <- "datetime"
filterFun <- "max"
df2 <- 
  datas %>% 
  group_by_(ids) %>% 
  filter_(.dots = lazyeval::interp(~var == fun(var), 
                                   var = as.name(filterVar), 
                                   fun = as.name(filterFun)))
nrow(df2) #229977

我的两段代码是等价的吧？为什么我会遇到不同的结果？谢谢

Answer 1

在给出列名向量时，您需要在 group_by_ 中指定 .dots 参数。

df2 <- datas %>% 
    group_by_(.dots = ids) %>% 
    filter_(.dots = lazyeval::interp(~var == fun(var), 
                               var = as.name(filterVar), 
                               fun = as.name(filterFun)))
nrow(df2)
[1] 230000

当您未指定 .dots 参数时，group_by_ 可能会将向量中的第一列名称作为唯一的分组变量。您可以通过仅在 id1 上分组来检查。

df1 <- datas %>% 
    group_by(id1) %>% 
    filter(datetime == max(datetime))
 nrow(df1)
[1] 229977

（如果仅在 id2 上分组，行数为 229976）。

为什么我使用 SE 或 NSE dplyr 函数得到不同的结果

Why do i got different results using SE or NSE dplyr functions

r

dplyr

standard-evaluation