R:为什么 group_by 即使在使用 quosures 时仍然需要 "do"

Question

如何使用户定义的函数与管道和 group_by 一起很好地工作？这是一个简单的函数:

 library(tidyverse)

 fun_head <- function(df, column) {
 column <- enquo(column)
 df %>% select(!!column) %>% head(1)
 }

该函数与管道配合得很好，并允许按另一列进行过滤:

 mtcars %>% filter(cyl == 4) %>% fun_head(mpg)

 >    mpg
   1 22.8

但是，相同的管道工作因 group_by 而失败

mtcars %>% group_by(cyl) %>% fun_head(mpg)

Adding missing grouping variables: `cyl`
# A tibble: 1 x 2
# Groups:   cyl [1]
     cyl   mpg
     <dbl> <dbl>
1     6    21

在 group_by 之后使用“do”使其工作:

 > mtcars %>% group_by(cyl) %>% do(fun_head(., mpg))
 # A tibble: 3 x 2
 # Groups:   cyl [3]
    cyl   mpg
   <dbl> <dbl>
1     4  22.8
2     6  21  
3     8  18.7

应该如何更改该功能，使其与 filter 和 group_by 统一工作而无需“do”？
或者 quosures 与问题无关，而 group_by 只需要使用“do”，因为示例中的函数有多个参数？

Answer 1

这与 quosures 无关。在 fun_head() 中没有非标准评估的情况下，这是同样的问题:

fun_head <- function(df) {df %>% select(mpg) %>% head(1)}
mtcars %>% group_by( cyl ) %>% fun_head()
# Adding missing grouping variables: `cyl`
# # A tibble: 1 x 2
# # Groups:   cyl [1]
#     cyl   mpg
#   <dbl> <dbl>
# 1     6    21

如其他问题中所述here和 here , do 是允许您将任意函数应用于每个组的连接器。 dplyr 动词如 mutate 和 filter 不需要 do 的原因是因为它们在内部处理分组数据帧作为特殊情况(参见，例如，the implementation of mutate)。如果您希望自己的函数模拟此行为，则需要区分分组数据框和未分组数据框:

fun_head2 <- function( df )
{
  if( !is.null(groups(df)) )
    df %>% do( fun_head2(.) )
  else
    df %>% select(mpg) %>% head(1)
}

mtcars %>% group_by(cyl) %>% fun_head2()
# # A tibble: 3 x 2
# # Groups:   cyl [3]
#     cyl   mpg
#   <dbl> <dbl>
# 1     4  22.8
# 2     6  21  
# 3     8  18.7

编辑:我想指出 group_by + do 的另一种替代方法是使用 tidyr::nest + purrr::map 代替。回到带有两个参数的原始函数定义:

fhead <- function(.df, .var) { .df %>% select(!!ensym(.var)) %>% head(1) }

以下两个链是等价的(直到行的排序，因为 group_by 按分组变量排序而 nest 不):

# Option 1: group_by + do
mtcars %>% group_by(cyl) %>% do( fhead(., mpg) ) %>% ungroup

# Option 2: nest + map
mtcars %>% nest(-cyl) %>% mutate_at( "data", map, fhead, "mpg" ) %>% unnest