r - dplyr 总结动态列

Question

我正在尝试对我的 postgres 数据库使用 dplyr 并执行一个简单的功能。如果我直接解析列名一切正常，但是我想动态地执行此操作(即从另一个数据框中对每个列名进行排序

我遇到的问题是前两次计算，我得到了正确的结果

假设第一个动态列称为“id”

pull_table %>%
    summarise(
        row_count = n(), 
        distinct_count = n_distinct(var) , 
        distinct_count_minus_blank = n_distinct(ifelse(var=="",NA,var)), 
        maxvalue = max(var), 
        minvalue = min(var), 
        maxlength = max(length(var)), 
        minlen = min(length(var))
    )  %>% 
    show_query()

当您看到 sql 时，我得到的错误结果很明显 - 有时 id 周围有 '' 所以它是作为字符串计算的:

<SQL>
SELECT 
    COUNT(*) AS "row_count", 
    COUNT(DISTINCT id) AS "distinct_count", 
    COUNT(
        DISTINCT CASE 
            WHEN ('id' = '') THEN (NULL) 
            WHEN NOT('id' = '') THEN ('id') 
        END) AS "distinct_count_minus_blank", 
    MAX('id') AS "maxvalue", 
    MIN('id') AS "minvalue", 
    MAX(LENGTH('id')) AS "maxlength", 
    MIN(LENGTH('id')) AS "minlen"
FROM "table"

从这个输出中可以看出，有时计算是在列上进行的，但有时只是在字符串“id”上进行。为什么会这样，我该如何解决它，以便它根据实际列而不是字符串进行计算？

Answer 1

我认为你应该看看 rlang::sym(由 dplyr 导入)。

假设 pull_table 是一个包含 id、some_numeric_variable 和 some_character_variable 列的数据框，您可以这样写:

xx = sym("id")
yy = sym("some_numeric_variable")
ww = sym("some_character_variable")
pull_table %>%
    summarise(
        row_count = n(), 
        distinct_count = n_distinct(!!xx) , 
        distinct_count_minus_blank = n_distinct(ifelse(var=="", NA, !!xx)), 
        maxvalue = max(!!yy ), 
        minvalue = min(!!yy ), 
        maxlength = max(length(!!ww)), 
        minlen = min(length(!!ww))
    )

sym() 函数将一个string 变量转换为一个name，它可以在dplyr 函数中用! ! 运算符。如果您想了解更多信息，请查看the quasiquotation doc或 this tuto .

不幸的是，因为我手头没有任何tbl_sql，所以我无法用show_query 测试它。

附带建议:永远不要将变量命名为“var”，因为 var 也是方差函数。仅仅因为这搞砸了一些包或自定义函数，我就把我的头发扯了很多次。