rlang

    1熱度

    1回答

    我用來做什麼的字符的載體,用group_by_ library(dplyr) group_by <- c('cyl', 'vs') mtcars %>% group_by_(.dots = group_by) %>% summarise(gear = mean(gear)) 但現在group_by_已被棄用。我不知道如何使用tidy evaluation framework來做到這一點。

    1熱度

    3回答

    我試圖使用rlang包構造一個表達式,該表達式賦予一個右側表達式(要賦值的值)和一個左側表達式(指定給它的位置)的賦值。例如,假設我要構建和評價表達a <- 5: > library(rlang) > a <- "Not 5" > lhs <- quo(a) > rhs <- quo(5) > eval_tidy(quo((!!lhs) <- (!!rhs))) # Error Erro

    3熱度

    3回答

    我想用dplyr刪除列的向量> = 0.7 library(dplyr) data(mtcars) rem_cols <- c("wt", "qsec", "vs", "am", "gear", "carb") head(select(mtcars, !!paste0("-", rem_cols))) Error: Strings must match column names. Un

    1熱度

    1回答

    我試圖在Debian jessie機器上安裝R(版本3.1.1 64位)中的'forecast'包。 我已經安裝了我的分析所需的其他R包。但是,當我嘗試安裝「預測」包時,它需要依賴關係,即rlang,tipple和ggplot2。從錯誤日誌(如下所示)中看,tipple和ggplot2需要安裝rlang才能安裝它們。 gcc -std=gnu99 -I/usr/share/R/include -D

    9熱度

    1回答

    試圖編寫一個相對簡單的包裝來產生一些圖,但不能解決如何指定整理評估分組變量指定爲...一個示例函數,面向變量但不能通過分組來區分。 .. my_plot <- function(df = starwars, select = c(height, mass), ...){ results <- list() ## Tidyeval argume

    2熱度

    2回答

    我想了解如何通過代表表達成dplyr字符串,使字符串中提到的變量是在數據幀列的表達式進行評估。關於此主題的main vignette涵蓋了傳入的問題,並且根本不討論字符串。 很明顯,quosures代表表達式時比弦更安全,更清晰,所以我們當然應該避免字符串時quosures可以用來代替。但是,在使用R生態系統之外的工具(如JavaScript或YAML配置文件)時,通常需要使用字符串而不是quar

    4熱度

    1回答

    使用舊select_()功能,我可以同時通過一個名爲向量爲選擇和改變位置和列名: my_data <- data_frame(foo = 0:10, bar = 10:20, meh = 20:30) my_newnames <- c("newbar" = "bar", "newfoo" = "foo") move_stuff <- function(df, newnames) {

    12熱度

    2回答

    序言 我通常使用我的包dplyr。在0.7.0之前,我在R CMD CHECK期間使用dplyr動詞的下劃線版本來避免NOTE。例如,代碼: x <- tibble::tibble(v = 1:3, w = 2) y <- dplyr::filter(x, v > w) 會產生的R CMD CHECK注: * checking R code for possible problems ...

    7熱度

    1回答

    我想寫一個自定義函數,將基於預定義的變量向量(例如,vector_heavy)的值計算新變量,然後根據參數命名新變量提供給函數(例如,custom_name)。 這個變量命名是我的平靜技能失敗的地方。任何幫助是極大的讚賞。 library(tidyverse) vector_heavy <- quos(disp, wt, cyl) cv_compute <- function(data,

    1熱度

    1回答

    我想要創建一個函數,以從數據框中加入置信區間的下限和上限(命名爲CIlow和CIhigh) 。以下面的數據框爲例。 dataframe<-data.frame(CIlow_a=c(1.1,1.2),CIlow_b=c(2.1,2.2),CIlow_c=c(3.1,3.2), CIhigh_a=c(1.3,1.4),CIhigh_b=c(2.3,2.4),CIhigh_c=c(3