在R中使用tidyverse构建自定义函数——enquo()无法正常工作

我有一个包含预测值（pred）、观测值（obs）和数据集分组（datasets）的数据框，直接用tidyverse分组计算RMSE可以正常运行：

datasets = rep(1:4, each=5)
obs = runif(n=20, min=1, max=20)
pred = runif(n=20, min=1, max=20)
df = data.frame(datasets,obs,pred)

library(tidyverse)
library(hydroGOF)

# 正常运行的代码
df %>%
    group_by(datasets) %>%
    reframe(result = rmse(obs,pred))

但自定义函数调用时却报错，函数代码和调用方式如下：

# 报错的自定义函数
make_calc = function(df,x,y,group){
    library(tidyverse)
    library(hydroGOF)
        
    obs = enquo(x)
    pred = enquo(y)
    group= enquo(group)
    
    some_calc = df %>%
        group_by(!!group) %>%
        reframe(result = rmse(!!obs,!!pred))
    
    return(some_calc)
}

make_calc(df,'obs','pred','datasets')

报错信息：

Error in `reframe()`:
ℹ In argument: `result = rmse("obs", "pred")`.
ℹ In group 1: `"datasets" = "datasets"`.
Caused by error in `rmse.default()`:
! Invalid argument type: 'sim' & 'obs' have to be of class: c('integer', 'numeric', 'ts', 'zoo')
Run `rlang::last_trace()` to see where the error occurred.

错误原因 #

问题出在参数传递和引用的不匹配：

• enquo()的作用是捕获传入的表达式/裸变量名，但调用函数时传的是字符串（比如'obs'），enquo('obs')会把字符串本身当成值，而不是引用数据框中的obs列。
• 这导致rmse()拿到的是字符串而非数值向量，触发类型错误；同时group_by(!!group)会把字符串'datasets'当成一个常量值，从而新增一列而非按原有的datasets列分组。

解决方案 #

有两种常用的修正方式，根据参数传递习惯选择：

方法1：使用裸变量名传参（tidyverse推荐）

修改函数，用{{ }}（embrace语法）替代enquo()和!!，同时调用函数时直接传列名（不用引号）：

make_calc = function(df, x, y, group){
    library(tidyverse)
    library(hydroGOF)
    
    some_calc = df %>%
        group_by({{ group }}) %>%
        reframe(result = rmse({{ x }}, {{ y }}))
    
    return(some_calc)
}

# 调用时直接传裸列名
make_calc(df, obs, pred, datasets)

方法2：支持字符串传参

如果需要保留字符串传参的方式，用ensym()替代enquo()，它可以将字符串转换为对应的列名符号：

make_calc = function(df, x, y, group){
    library(tidyverse)
    library(hydroGOF)
    
    obs = ensym(x)
    pred = ensym(y)
    group_col = ensym(group)
    
    some_calc = df %>%
        group_by(!!group_col) %>%
        reframe(result = rmse(!!obs, !!pred))
    
    return(some_calc)
}

# 保持字符串传参
make_calc(df, 'obs', 'pred', 'datasets')

两种方法都能正确按datasets分组，并计算每组的RMSE，得到和直接运行代码一致的结果。

内容的提问来源于stack exchange，提问作者Jonathan