基于NSE传递数据框列至函数：简化列提取的方法

针对你遇到的问题，以下几种简洁方法可以在保留NSE参数形式的同时，快速提取数据框列：

方法1：用rlang::ensym()转换为符号后提取 #

ensym()可直接将NSE传入的参数转换为符号对象，搭配[[提取列，写法比deparse(substitute())更简洁：

library(rlang)

sampfun_ensym <- function(df, col) {
  col_sym <- ensym(col)
  col_vec <- df[[col_sym]]
  sd(col_vec)
}

# 调用示例
mtcars %>% sampfun_ensym(mpg)

方法2：直接用dplyr::pull()配合{{}} #

pull()支持直接使用{{}}引用NSE参数，省去额外的select步骤，写法极简：

library(dplyr)

sampfun_pull <- function(df, col) {
  col_vec <- pull(df, {{col}})
  sd(col_vec)
}

# 调用示例
mtcars %>% sampfun_pull(mpg)

方法3：用rlang::eval_tidy()直接求值 #

如果需要更灵活的表达式解析，可通过eval_tidy()配合{{}}直接获取列向量：

library(rlang)

sampfun_eval <- function(df, col) {
  col_vec <- eval_tidy({{col}}, data = df)
  sd(col_vec)
}

# 调用示例
mtcars %>% sampfun_eval(mpg)

这些方法都保留了NSE参数的传入形式，同时避免了繁琐的冗余写法，在复杂函数中能大幅简化代码。

内容的提问来源于stack exchange，提问作者Jaken