使用purrr::map迭代列名时R dplyr自定义函数失效问题

问题原因 #

你的函数test_fun使用了dplyr的整洁评估语法{{code}}，这个语法用于直接捕获裸变量名（比如调用时写var1），但map迭代的over_vec是字符串向量（比如"var1"），整洁评估无法将字符串识别为列名，导致select步骤找不到对应列。

解决方案 #

方案1：修改函数兼容字符串输入 #

把函数里的{{code}}替换为.data[[code]]（dplyr的.data代词，专门用于通过字符串引用列），修改后的函数如下：

test_fun <- function(code, dataset){
  dataset <- dataset %>% 
    group_by(.data[[code]]) %>% 
    summarise(n = n(), n_out = sum(outcome)) %>% 
    mutate(risk = n_out/n * 100, 
           rr = risk / risk[row_number() == 1]) %>%
    dplyr::select(.data[[code]], rr) %>%
    pivot_wider(names_from = .data[[code]], values_from = rr) %>%
    # 添加变量名标识，方便后续合并
    mutate(variable = code) %>%
    relocate(variable)
  return(dataset)
}

直接用原字符串向量迭代即可：

output <- over_vec %>% 
  map(.f = test_fun, dataset = test_dat)

方案2：迭代时传递符号而非字符串 #

用rlang::syms()把字符串向量转成符号列表，适配原函数的{{code}}语法：

# 转换字符串为符号列表
over_syms <- rlang::syms(over_vec)

# 迭代符号列表
output <- over_syms %>% 
  map(.f = test_fun, dataset = test_dat)

合并结果为统一表格 #

如果需要把所有列的相对风险合并成一个结构化表格，用bind_rows()即可：

output <- over_vec %>% 
  map(.f = test_fun, dataset = test_dat) %>%
  bind_rows()

最终会得到类似如下的结果：

variable   0   1
1     var1 1.0 0.5
2     var2 1.0  NaN
3     var3 1.0 0.7

内容的提问来源于stack exchange，提问作者r.bot