r - 了解 R data.table 中非标准评估的范围

Question

如何确保使用 data.table 的非标准评估¹ 正在从父框架继承所需的变量？

根据我对动态作用域的理解，我的下面代码应该可以工作，但实际上没有。我做错了什么？

详情

我有一个列表，其中包含许多我想应用于单个 data.table 的函数，它返回 bool 检查和消息(当检查为 TRUE 时)。例如，假设我正在审计一个账户表。

library(data.table)
#----- Example data -----------------------------------------------------------
n <- 100
set.seed(123)
df <- data.table( acct_id      = paste0('ID',seq(n)),
                  acct_balance = round(pmax(rnorm(n,1000,5000),0)),
                  days_overdue = round(pmax(rnorm(n,20,20),0))
                  )
#----- Example list of rules to check (real case has more elements)------------
AuditRules <- list(
  list(
    msg_id = 1,
    msg_cat = 'Balance',
    cond_fn = function(d) d[, acct_balance > balance_limit ],
    msg_txt = 
      function(d) d[, paste('Account',acct_id,'balance is',
                            acct_balance - balance_limit, 
                            'over the limit.')]
  ),
  list(
    msg_id = 2,
    msg_cat = 'Overdue',
    cond_fn = function(d) d[, days_overdue > grace_period ],
    msg_txt = 
      function(d) d[, paste('Account',acct_id,'is overdue',
                            days_overdue-grace_period,
                            'days beyond grace period.')]
  )
)

我正在遍历规则列表并检查每个规则的数据集。

期望的输出

这在全局环境中运行良好。

balance_limit <- 1e4
grace_period  <-  14
audit <- rbindlist(
              lapply(AuditRules, function(item){
                with( item,
                      df[ cond_fn(df),
                         .(msg_id, 
                           msg_cat,
                           msg_txt = msg_txt(.SD) )
                         ]
                      )
                } )
            )
print(head(audit), row.names=FALSE)
#-----------------   Result   --------------------------------------
# msg_id msg_cat                                             msg_txt
#      1 Balance        Account ID44 balance is 1845 over the limit.
#      1 Balance        Account ID70 balance is 1250 over the limit.
#      1 Balance        Account ID97 balance is 1937 over the limit.
#      2 Overdue Account ID2 is overdue 11 days beyond grace period.
#      2 Overdue  Account ID3 is overdue 1 days beyond grace period.
#      2 Overdue  Account ID6 is overdue 5 days beyond grace period.

什么不起作用(需要解决方案)

rm(balance_limit, grace_period) # see "aside"

auditTheData <- function(d, balance_limit = 1e4, grace_period=14){
  rbindlist(
    lapply(AuditRules, function(item){
        with( item,
              d[ cond_fn(d),
                  .(msg_id, 
                    msg_cat,
                    msg_txt = msg_txt(.SD) )
                  ]
        )
    } )
  )
}
auditTheData(df)

导致错误:

Error in eval(jsub, SDenv, parent.frame()) : 
  object 'balance_limit' not found

这不是 with() 的问题，尽管我读过 (?with) 通常应该避免将它用于编程。这也行不通:

auditTheData2 <- function(d, balance_limit = 1e4, grace_period=14){
  rbindlist(
    lapply(AuditRules, function(item){
          d[ item[['cond_fn']](d),
             .(msg_id, 
               msg_cat,
               msg_txt = item[['msg_txt']](.SD) )
             ]
    } )
  )
}
auditTheData2(df) # Same error

旁白:如果您不在“什么不起作用”函数之前执行 rm(balance_limit, grace_period) —— 即，将它们留在全局环境中-- 你得到了想要的结果。所以看起来 function(item) 得到 lapply-ed 可以“看到”全局环境而不是父环境(AuditTheData).

---

¹_{我在这里使用的“非标准”是不科学意义上的“不寻常”。我知道什么算作非标准，但这是另一个(而且太宽泛了？)问题。}

Answer 1

这似乎可行:

ar <- list(
  list(
    cat = 'Balance',
    cond_expr = quote(acct_balance > balance_limit),
    msg_expr = quote(sprintf('Account %s balance is %s over the limit.',
      acct_id, 
      acct_balance - balance_limit))
  ),
  list(
    cat = 'Overdue',
    cond_expr = quote(days_overdue > grace_period),
    msg_expr = quote(sprintf('Account %s is overdue %s days beyond grace period.', 
      acct_id, 
      days_overdue-grace_period))
  )
)

audDT = rbindlist(rapply(ar, list, "call", how = "replace"), id="msg_id")

auditem = function(d, a, balance_limit = 1e4, grace_period = 14){
    a[, {
        cond    = cond_expr[[1]]
        msg     = msg_expr[[1]]
        .(txt = d[eval(cond), eval(msg)])
    }, by=.(msg_id, cat)]
}

例如……

> head(auditem(df, audDT))
   msg_id     cat                                                 txt
1:      1 Balance        Account ID44 balance is 1845 over the limit.
2:      1 Balance        Account ID70 balance is 1250 over the limit.
3:      1 Balance        Account ID97 balance is 1937 over the limit.
4:      2 Overdue Account ID2 is overdue 11 days beyond grace period.
5:      2 Overdue  Account ID3 is overdue 1 days beyond grace period.
6:      2 Overdue  Account ID6 is overdue 5 days beyond grace period.

我不确定这些更改中的哪一个有所不同:

• eval 预定义表达式，而不是在函数内的 j 中组合它们
• 使用表格作为规则，有一些好处:
  • 由于每个条目都应具有相同的结构，因此您可以验证每个条目是否格式正确(没有缺失的组件)
  • msg_id 可以使用 rbindlist 自动编号，因此不必手动输入
  • by= 可以用来代替 lapply，因为后者有一些奇怪的评估行为

我还将 paste 切换为 sprintf 但我确信这无关紧要。

rapply 是必需的，因为 data.table 不支持调用/表达式作为列类型(显然)，但支持列表列。