將data.frame列名傳遞給一個函數

Question

我正在嘗試編寫一個函數來接受它的data.frame（x）和column。該函數在x上執行一些計算，然後返回另一個data.frame。我堅持使用最佳實踐方法將列名傳遞給函數。下面

兩個最小例子fun1和fun2產生期望的結果，能夠對x$column執行操作，使用max()作爲一個例子。然而，無論是依靠看似（至少對我來說）不雅

1. 調用substitute()並可能eval()
2. 需要通過列名作爲特徵向量。

fun1 <- function(x, column){ 
    do.call("max", list(substitute(x[a], list(a = column)))) 
} 

fun2 <- function(x, column){ 
    max(eval((substitute(x[a], list(a = column))))) 
} 

df <- data.frame(B = rnorm(10)) 
fun1(df, "B") 
fun2(df, "B") 

我希望能夠調用該函數爲fun(df, B)，例如。其他選項我已經考慮但未嘗試過：

• 通過column作爲列號的整數。我認爲這會避免substitute()。理想情況下，該功能也可以接受。
• with(x, get(column))，但是，即使它的作品，我覺得這仍然需要substitute
• 利用formula()和match.call()，均未我有很多經驗。

Subquestion：是do.call()優於eval()？

Answer 1

你可以使用直接列名：

df <- data.frame(A=1:10, B=2:11, C=3:12) 
fun1 <- function(x, column){ 
    max(x[,column]) 
} 
fun1(df, "B") 
fun1(df, c("B","A")) 

有沒有必要用替身，EVAL等

你甚至可以通過所需的功能參數：

fun1 <- function(x, column, fn) { 
    fn(x[,column]) 
} 
fun1(df, "B", max) 

或者，使用[[也適用於一次選擇單個列：

df <- data.frame(A=1:10, B=2:11, C=3:12) 
fun1 <- function(x, column){ 
    max(x[[column]]) 
} 
fun1(df, "B") 

Answer 2

我個人認爲將字段作爲字符串傳遞是非常難看的。我喜歡做這樣的事情：

get.max <- function(column,data=NULL){ 
    column<-eval(substitute(column),data, parent.frame()) 
    max(column) 
} 

這將產生：

> get.max(mpg,mtcars) 
[1] 33.9 
> get.max(c(1,2,3,4,5)) 
[1] 5 

注意到data.frame的規格如何是可選的。你甚至可以與您的列職能的工作：

> get.max(1/mpg,mtcars) 
[1] 0.09615385 

Answer 3

這個答案將涵蓋許多相同的要素，現有的答案，但這個問題（通過列名的功能）出現往往不夠，我想那裏是這個答案涵蓋了更全面的一點。

假設我們有一個非常簡單的數據幀：

dat <- data.frame(x = 1:4, 
        y = 5:8) 

，我們想編寫創建一個新列z是列x和y的總和的函數。

一個非常常見的障礙這裏塊是自然的（但不正確的）嘗試往往是這樣的：

foo <- function(df,col_name,col1,col2){ 
     df$col_name <- df$col1 + df$col2 
     df 
} 

#Call foo() like this:  
foo(dat,z,x,y) 

的這裏的問題是，df$col1不計算表達式col1。它只是尋找df中的一個字面，字面意思是col1。在「遞歸（類似列表）對象」一節下的?Extract中描述了此行爲。

最簡單，也是最經常被推薦的解決方案是簡單地從$切換到[[和傳遞函數的參數爲​​字符串：

new_column1 <- function(df,col_name,col1,col2){ 
    #Create new column col_name as sum of col1 and col2 
    df[[col_name]] <- df[[col1]] + df[[col2]] 
    df 
} 

> new_column1(dat,"z","x","y") 
    x y z 
1 1 5 6 
2 2 6 8 
3 3 7 10 
4 4 8 12 

這通常被認爲是「最佳實踐」，因爲它是最難的方法搞砸了。將列名作爲字符串傳遞的過程與您所能得到的一樣毫無疑義。

以下兩個選項更爲先進。許多流行的軟件包都使用這些技術，但使用它們以及需要更多的關心和技巧，因爲它們可以引入微妙的複雜性和意想不到的失敗點。 This哈德利的高級R書的一部分是這些問題的一個很好的參考。

如果你真的想節省打字所有這些報價的用戶，一個選擇可能是使用deparse(substitute())裸，不帶引號的列名轉換爲字符串：

new_column2 <- function(df,col_name,col1,col2){ 
    col_name <- deparse(substitute(col_name)) 
    col1 <- deparse(substitute(col1)) 
    col2 <- deparse(substitute(col2)) 

    df[[col_name]] <- df[[col1]] + df[[col2]] 
    df 
} 

> new_column2(dat,z,x,y) 
    x y z 
1 1 5 6 
2 2 6 8 
3 3 7 10 
4 4 8 12 

這是坦率地說，有點很可能愚蠢，因爲我們真的在做與new_column1一樣的事情，只是將一些額外的工作轉換爲裸字符串。最後，如果我們想要得到真的是，我們可能會決定不是傳遞兩列的名稱來添加，而是希望更靈活，並允許其他兩個變量的組合。在這種情況下，我們可能會採取對涉及的兩列表達式中使用eval()：

new_column3 <- function(df,col_name,expr){ 
    col_name <- deparse(substitute(col_name)) 
    df[[col_name]] <- eval(substitute(expr),df,parent.frame()) 
    df 
} 

只是爲了好玩，我還在使用deparse(substitute())新列的名稱。在這裏，所有的下面方法：

> new_column3(dat,z,x+y) 
    x y z 
1 1 5 6 
2 2 6 8 
3 3 7 10 
4 4 8 12 
> new_column3(dat,z,x-y) 
    x y z 
1 1 5 -4 
2 2 6 -4 
3 3 7 -4 
4 4 8 -4 
> new_column3(dat,z,x*y) 
    x y z 
1 1 5 5 
2 2 6 12 
3 3 7 21 
4 4 8 32 

所以，簡單的答案基本上是：通過data.frame列名字串，並且使用[[選擇單個列。只有開始深入研究eval,substitute等，如果你真的知道你在做什麼。