r - 尝试在自定义函数中重用 dplyr 代码块；我错过了什么？

Question

Hadley 说，“当你复制和粘贴代码块超过两次时，你应该考虑编写一个函数”——我经常在 dplyr 中写这个链:

df %>%
  group_by(col) %>%
  summarise(n = n()) %>%
  mutate(percent = round((n / sum(n)) * 100, 2) %>%
  arrange(desc(n))

我想创建一个使用两个参数执行此操作的函数:数据框和变量或列名。这就是我现在正在尝试的:

value_counts = function(df, col) {
  group_by_(df, col) %>%
  summarise_(n = n()) %>%
  mutate_(percent = round((n / sum(n)) * 100, 2)) %>%
  arrange(desc(n))
}

它不起作用，我已经尝试了该网站上的其他一些建议，但我不太明白它们是如何工作的，例如:

value_counts = function(df, col) {
  group_by_(df, .dots = col) %>%
  summarise_(n = n()) %>%
  mutate_(percent = round((n / sum(n)) * 100, 2)) %>%
  arrange(desc(n))
}

我真的很想编写一个使用管道并依赖于 dplyr 的函数。我可以继续编写反复运行的代码，但我想开始在 R 中编写有用的函数以节省时间。

我是 geom_text() 的忠实粉丝，喜欢快速轻松地在数据框中获取来自 dplyr 的信息，这样我就可以快速制作大量图表!

我应该阅读的任何资源或要遵循的链接都会很有用。谢谢!

Answer 1

@jenesaisquoi 的回答很好，但每当我编写 dplyr-y 函数时，我都会尝试以与该包中类似的样式来编写它们。我想要一对 SE 和 NSE 函数，您可以在其中使用裸变量名。

一些注意事项。

• 我摆脱了管道 (%>%) 使它们稍微更快并且更容易调试。管道在交互式使用中非常方便，但我在编写函数时倾向于避免使用它们。
• 我在所有使用包特定函数的地方都使用了::。这意味着您现在无需加载 dplyr 即可使用该功能。
• 我认为没有理由将使用仅限于一列，因此提出了一个 ... 参数，它接受根据需要按任意多的列进行分组。
• 请参阅vignette(NSE) 了解有关使用lazyeval 包的更多详细信息，以及dplyr 处理 的方式。 .. 和 .dots.

函数

value_counts <- function(df, ...) {
  value_counts_(df, .dots = lazyeval::lazy_dots(...))
}

value_counts_ <- function(df, ..., .dots) {
  dots <- lazyeval::all_dots(.dots, ..., all_named = TRUE)
  df <- dplyr::group_by_(df, .dots = dots)
  df <- dplyr::summarise(df, n = n())
  df <- dplyr::mutate(df, percent = round(n / sum(n) * 100, 2))
  df <- dplyr::arrange(df, desc(n))
  return(df)
}

例子

value_counts(mtcars, cyl)
value_counts(mtcars, cyl, vs)

value_counts_(mtcars, ~cyl)
value_counts_(mtcars, ~cyl, ~vs)
value_counts_(mtcars, .dots = list(~cyl, ~vs))

而且您可以轻松地将它们与其他 dplyr 动词连接在一起:

library(dplyr)
mtcars %>%
  filter(cyl != 4) %>%
  value_counts()