修改rstatix包identify_outliers函数报错：找不到get_selected_vars函数

问题背景 #

我修改了rstatix包的identify_outliers函数，目的是让调用is_outlier时可以自定义系数。移除了原函数中is_extreme相关逻辑，新增参数y用于传递系数，命名为crazy_outliers，但运行时出现错误：找不到get_selected_vars函数。原函数中该函数可正常使用，尝试指定rstatix::get_selected_vars也无效，寻求解决办法。

原identify_outliers函数代码 #

function (data, ..., variable = NULL) 
{
    is.outlier <- NULL
    if (is_grouped_df(data)) {
        results <- data %>% doo(identify_outliers, ..., variable = variable)
        if (nrow(results) == 0) 
            results <- as.data.frame(results)
        return(results)
    }
    if (!inherits(data, "data.frame")) 
        stop("data should be a data frame")
    variable <- data %>% get_selected_vars(..., vars = variable)
    n.vars <- length(variable)
    if (n.vars > 1) 
        stop("Specify only one variable")
    values <- data %>% pull(!!variable)
    results <- data %>% mutate(is.outlier = is_outlier(values), 
        is.extreme = is_extreme(values)) %>% filter(is.outlier == 
        TRUE)
    if (nrow(results) == 0) 
        results <- as.data.frame(results)
    results
}

自定义crazy_outliers函数代码 #

crazy_outliers <- function (data, ..., variable = NULL, y) #added y argument
{
    is.outlier <- NULL
    if (is_grouped_df(data)) {
        results <- data %>% doo(crazy_outliers, ..., variable = variable, y = y) # changed identify_outliers to crazy_outliers and added y argument
        if (nrow(results) == 0) 
            results <- as.data.frame(results)
        return(results)
    }
    if (!inherits(data, "data.frame")) 
        stop("data should be a data frame")
    variable <- data %>% get_selected_vars(..., vars = variable)
    n.vars <- length(variable)
    if (n.vars > 1) 
        stop("Specify only one variable")
    values <- data %>% pull(!!variable)
    results <- data %>% mutate(is.outlier = is_outlier(values, coef = y)) #Here I utilize the y argument to specify the coefficient for determining outliers
    if (nrow(results) == 0) 
        results <- as.data.frame(results)
    results
}

报错信息 #

Error in `mutate()`:
ℹ In argument: `data = map(.data$data, .f, ...)`.
Caused by error in `map()`:
ℹ In index: 1.
Caused by error in `get_selected_vars()`:
! could not find function "get_selected_vars"

解决办法 #

原因说明 #

get_selected_vars是rstatix包的内部非导出函数，只有包内的函数能直接调用，外部自定义函数无法通过常规方式访问，哪怕指定rstatix::前缀也不行——原函数能正常运行是因为它处于rstatix的命名空间内，有权限访问内部函数。

方案1：替换为公开函数（推荐） #

用dplyr和rlang的公开函数实现相同的变量选择逻辑，避免依赖内部函数：
修改variable <- data %>% get_selected_vars(..., vars = variable)这一行，替换为：

# 提取选中的变量名
selected <- data %>% select(..., {{ variable }}) %>% colnames()
# 转换为符号供dplyr使用
variable <- rlang::sym(selected)

修改后的完整crazy_outliers函数：

crazy_outliers <- function (data, ..., variable = NULL, y) {
    is.outlier <- NULL
    if (is_grouped_df(data)) {
        results <- data %>% doo(crazy_outliers, ..., variable = variable, y = y)
        if (nrow(results) == 0) 
            results <- as.data.frame(results)
        return(results)
    }
    if (!inherits(data, "data.frame")) 
        stop("data should be a data frame")
    
    # 替换原get_selected_vars逻辑
    selected <- data %>% select(..., {{ variable }}) %>% colnames()
    variable <- rlang::sym(selected)
    
    n.vars <- length(variable)
    if (n.vars > 1) 
        stop("Specify only one variable")
    values <- data %>% pull(!!variable)
    results <- data %>% mutate(is.outlier = is_outlier(values, coef = y))
    if (nrow(results) == 0) 
        results <- as.data.frame(results)
    results
}

方案2：获取内部函数（不推荐，依赖包内部实现） #

如果一定要沿用原逻辑，可以用getFromNamespace直接获取rstatix的内部函数，在函数开头添加：

get_selected_vars <- getFromNamespace("get_selected_vars", "rstatix")

但要注意：rstatix包更新时可能会修改或移除这个内部函数，导致代码失效，稳定性不如方案1。

内容的提问来源于stack exchange，提问作者Phaaltu Waaltu