如何在dplyr的mutate/summarize中使用固定列名编写函数？

问题背景 #

需要编写一个可在dplyr的mutate()或summarize()中计算新变量的函数，其中某一列是固定列（不作为函数参数传入），但运行时出现object 'l' not found的错误，无法正确识别固定列。

可复现代码 #

library(tidyverse)

df <- data.frame(
    x = rep(c("A", "B"), times = 10),
    y = rnorm(20),
    l = rep(c(TRUE, FALSE), each = 10)
)

foo <- function(y) {
    total <- n() # total count
    n <- sum(l) # count of TRUE
    pct <- round(100 * n / total, 1) # percent of TRUE
    pct
}

df %>%
    group_by(x) %>%
    summarize(
      n = n(),
      result = foo(y = y)
)

解决方法 #

方法1：使用.data代词（推荐） #

.data是tidyverse提供的特殊代词，用于明确引用当前操作的数据框中的列，确保函数在dplyr上下文里能正确找到固定列：

foo <- function(y) {
    total <- n()
    n <- sum(.data$l)
    pct <- round(100 * n / total, 1)
    pct
}

方法2：将固定列设为参数并绑定默认值 #

把固定列作为函数参数，用{{}}（大括号）在默认值中绑定数据框的列，调用时无需额外传参：

foo <- function(y, l = {{l}}) {
    total <- n()
    n <- sum(l)
    pct <- round(100 * n / total, 1)
    pct
}

方法3：使用cur_data()获取当前数据集 #

cur_data()会返回当前分组的数据集（不含分组列），通过它可以直接提取固定列，适合多固定列的场景：

foo <- function(y) {
    total <- n()
    current_data <- cur_data()
    n <- sum(current_data$l)
    pct <- round(100 * n / total, 1)
    pct
}

验证结果 #

修改函数后，运行原summarize代码即可得到正确结果，不会再出现找不到列的错误。

内容的提问来源于stack exchange，提问作者joshwondra