dplyr::across()中双向/单向公式的.x替换差异及函数改造问询

背景介绍 #

我编写了一个函数formula_to_function_pair()，接收两侧均为purrr风格lambda表达式的双向公式（如f(.x) ~ g(.x)），将其转换为两个以.x为参数的函数：

library(rlang)
library(dplyr)
library(purrr)

formula_to_function_pair <- function(f) {
  f_env <- f_env(f)
  list(
    lhs_fun = new_function(args = pairlist2(.x = ,), body = f_lhs(f)),
    rhs_fun = new_function(args = pairlist2(.x = ,), body = f_rhs(f))
  )
}

# 单独调用正常工作
pair <- formula_to_function_pair(sum(.x) ~ mean(.x))
pair$lhs_fun(1:3) # 输出: 6
pair$rhs_fun(1:3) # 输出: 2

但在dplyr::across()中调用时，公式中的.x会被替换为当前列的符号（如y），导致生成的函数依赖列名而非.x：

# 生成的函数依赖y而非.x
tibble(y = 0L) %>%
  mutate(
    across(y, ~ list(formula_to_function_pair(sum(.x) ~ mean(.x))))
  ) %>%
  pull(y)
#> [[1]]
#> [[1]]$lhs_fun
#> function (.x) 
#> sum(y)
#> <environment: 0x10a6d24a8>
#> 
#> [[1]]$rhs_fun
#> function (.x) 
#> mean(y)
#> <environment: 0x10a6d24a8>

而使用单向公式~.x时，.x能被正常保留：

# 单向公式的.x未被替换
tibble(y = 0L) %>%
  mutate(
    across(
      y,
      ~ list(list(
        rlang::as_function(~sum(.x)),
        rlang::as_function(~mean(.x))
      ))
    )
  ) %>%
  pull(y)
#> [[1]]
#> [[1]][[1]]
#> <lambda>
#> function (..., .x = ..1, .y = ..2, . = ..1) 
#> sum(.x)
#> <environment: 0x10b6a53e0>
#> attr(,"class")
#> [1] "rlang_lambda_function" "function"             
#> 
#> [[1]][[2]]
#> <lambda>
#> function (..., .x = ..1, .y = ..2, . = ..1) 
#> mean(.x)
#> <environment: 0x10b6a53e0>
#> attr(,"class")
#> [1] "rlang_lambda_function" "function"

此外，若在across()的~ ...表达式中包含.y，双向公式的.x也能被保留，但这种方法不实用：

# 包含.y后.x未被替换，但方法不实用
tibble(y = 0L) %>%
  mutate(
    across(
      .cols = y,
      ~{
        quote(.y)
        list(formula_to_function_pair(sum(.x) ~ mean(.x)))
      }
    )
  ) %>%
  pull(y) %>%
  pluck(1)
#> $lhs_fun
#> function (.x) 
#> sum(.x)
#> <environment: 0x126bb86f8>
#> 
#> $rhs_fun
#> function (.x) 
#> mean(.x)
#> <environment: 0x126bb86f8>

问题1：如何修改formula_to_function_pair()以保留.x？ #

可以通过捕获传入公式的原始表达式，将被替换的列名符号还原为.x来实现：

formula_to_function_pair <- function(f) {
  # 捕获传入的公式表达式
  f_quo <- enquo(f)
  f_expr <- quo_get_expr(f_quo)
  
  # 提取被替换后的列符号（如y）
  col_sym <- if (is_call(f_lhs(f_expr))) {
    f_lhs(f_expr)[[2]]
  } else {
    f_lhs(f_expr)
  }
  
  # 将LHS和RHS中的列符号替换回.x
  lhs_body <- expr_replace(f_lhs(f_expr), col_sym, sym(".x"))
  rhs_body <- expr_replace(f_rhs(f_expr), col_sym, sym(".x"))
  
  list(
    lhs_fun = new_function(args = pairlist2(.x = ), body = lhs_body),
    rhs_fun = new_function(args = pairlist2(.x = ), body = rhs_body)
  )
}

测试修改后的函数：

tibble(y = 0L) %>%
  mutate(
    across(y, ~ list(formula_to_function_pair(sum(.x) ~ mean(.x))))
  ) %>%
  pull(y) %>%
  pluck(1)
#> $lhs_fun
#> function (.x) 
#> sum(.x)
#> <environment: 0x12345678>
#> 
#> $rhs_fun
#> function (.x) 
#> mean(.x)
#> <environment: 0x12345678>

该方法的核心是：利用enquo捕获未被求值的公式，识别出被across替换的列符号，再将其替换回.x，最终生成依赖.x的函数。

问题2：为何across()对不同表达式处理方式不同？ #

across()内部通过quo_eval_fns()处理传入的逻辑，当公式被判定为可内联公式时，会自动将.x/.替换为当前列的符号。而判定逻辑由is_inlinable_formula()实现：

• 该函数会检查表达式中是否包含特定符号（如.y、..1、..2等），如果包含这些符号，公式会被判定为不可内联，不会触发.x的替换；
• ~.x：属于单向lambda公式，across对其处理逻辑特殊，不会替换.x为列名；
• .x ~ .x：双向公式且未包含上述特殊符号，被判定为可内联，因此.x被替换为当前列名；
• {quote(.y); .x ~ .x}：表达式中包含.y，触发不可内联判定，.x因此被保留。

内容的提问来源于stack exchange，提问作者Ethan.S