r - `weighted.mean` 在带有可选参数的函数中？

Question

我需要将 weighted.mean 函数包含在另一个函数中，作为我正在处理的项目的一部分。我无法让 w 参数在我正在处理的函数中正常工作。

为了使我的整体功能正常工作，我需要满足使权重参数必须是可选的。如果没有给出权重，我需要默认为某种wt = 1。使用条件语句可能很容易做到这一点，我在其中创建一个填充 1 的虚拟列，但我想知道这是否是最好的方法。

library(tidyverse)

my_weighted_mean <- function(var, wt) {
  var = enquo(var)
  
  mtcars %>%
    summarise_at(vars(!!var), ~weighted.mean(., w = wt))
  
}

## wrong output
my_weighted_mean(cyl, wt = "hp")
#>        cyl
#> 1 6.599231

## expected output
weighted.mean(mtcars$cyl, mtcars$hp)
#> [1] 6.860673

^{由reprex package于2020年10月27日创建(v0.3.0)}

Answer 1

最终更新
制作wt可选参数( wt = NULL )比我预期的更复杂。以下是使用 tryCatch 的方法。一旦我们知道是否 wt是 NULL我们可以将其替换为 1 向量与你的 data.frame 的长度。否则，我们可以将它与 curly-curly 运算符一起使用。根据OP的评论，新函数只需要一个参数x总结一个变量，多个分组变量可以放入省略号 ... .

library(dplyr)
library(rlang)

my_weighted_mean <- function(.dat, x, ..., wt = NULL) {
  
  .pred <- tryCatch(
    is.null(wt),
    error = function(e) {
      is.null(rlang::eval_tidy(enquo(wt), data = mtcars))
    })
  
  .dat %>% 
    group_by(...) %>% 
    summarise(
      {{x}} := weighted.mean({{x}},
                             w = if (.pred) rep(1, length({{x}})) else {{wt}} ))
  
}

mtcars %>% 
  my_weighted_mean(mpg)
#> # A tibble: 1 x 1
#>     mpg
#>   <dbl>
#> 1  20.1

mtcars %>% 
  my_weighted_mean(mpg, cyl)
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 3 x 2
#>     cyl   mpg
#>   <dbl> <dbl>
#> 1     4  26.7
#> 2     6  19.7
#> 3     8  15.1

mtcars %>% 
  my_weighted_mean(mpg, cyl, wt = disp)
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 3 x 2
#>     cyl   mpg
#>   <dbl> <dbl>
#> 1     4  25.8
#> 2     6  19.8
#> 3     8  14.9

mtcars %>% 
  my_weighted_mean(mpg, cyl, gear, wt = disp)
#> `summarise()` regrouping output by 'cyl' (override with `.groups` argument)
#> # A tibble: 8 x 3
#> # Groups:   cyl [3]
#>     cyl  gear   mpg
#>   <dbl> <dbl> <dbl>
#> 1     4     3  21.5
#> 2     4     4  25.9
#> 3     4     5  27.9
#> 4     6     3  19.9
#> 5     6     4  19.7
#> 6     6     5  19.7
#> 7     8     3  14.8
#> 8     8     5  15.4

^{由reprex package于2020年10月28日创建(v0.3.0)}

旧答案
您需要enqou() wt也可以或者只使用 curly-curly 运算符。如果您想将多个变量插入 var那么你可以使用省略号 ...而不是包裹在 curly-curly 中的变量名。

library(tidyverse)

my_weighted_mean <- function(var, wt) {
  
  mtcars %>%
    summarise_at(vars({{var}}), ~weighted.mean(., w = {{wt}}))
  
}

my_weighted_mean(cyl, wt = hp)
#>        cyl
#> 1 6.860673


my_weighted_mean <- function(..., wt) {

  mtcars %>%
    summarise_at(vars(...), ~weighted.mean(., w = {{wt}}))
  
}

my_weighted_mean(cyl, disp, wt = hp)
#>        cyl     disp
#> 1 6.860673 275.1096

^{由reprex package于2020年10月27日创建(v0.3.0)}

来自旧答案的更新(已更正) 正如@Konrad Rudolph 正确指出的那样，summarise_at已被取代，您不需要将其用于单个变量 - 此处 summarise足够。如果你想总结很多变量，新的官方方法是使用 across()如下:

my_weighted_mean <- function(..., wt) {
  
  mtcars %>%
    summarise(across(c(...),
                     ~weighted.mean(., w = {{wt}})))
  
}

my_weighted_mean(cyl, disp, wt = hp)