如何编写可访问dplyr上下文数据的R自定义函数？

场景说明 #

现有如下数据框df：

# A tibble: 5 × 4
  index     a     b     c
  <int> <int> <dbl> <dbl>
1     1     0     0     1
2     2     1     0     0
3     3     0     1     0
4     4     0     1     0
5     5     1     0     0

最初参考eatATA::dummiesToFactor()实现了将哑变量合并为单个因子列的函数：

dum2fac <- function(data) { factor(names(data)[max.col(data)]) }

# 调用方式
df %>% mutate(name = dum2fac(across(a:c)))

现在希望修改dum2fac()，使其支持更简洁的调用方式，无需手动传入across()，直接指定列范围即可，像这样：

df %>% mutate(name = dum2fac(a:c))

尝试了如下代码，但不知道如何替换???来获取dplyr上下文中的数据集：

dum2fac <- function(expr) {
  data <- select(???, {{expr}})
  factor(names(data)[max.col(data)])}

核心需求是让函数像across()一样，自动访问dplyr上下文的数据集，无需显式传入。

解决方案 #

使用dplyr提供的cur_data()函数，它能在dplyr动词（如mutate）的上下文中直接获取当前处理的数据框，结合rlang的准引用{{}}捕获列选择表达式，即可实现需求：

library(dplyr)

dum2fac <- function(expr) {
  # 获取dplyr上下文的当前数据，选择指定列
  data_subset <- select(cur_data(), {{expr}})
  # 按行找到最大值所在列，转为因子
  factor(names(data_subset)[max.col(data_subset)])
}

测试验证 #

用以下测试数据验证：

set.seed(2023)
df <- tibble(index = 1:5,
             a = sample(0:1, 5, TRUE),
             b = (1 - a) * sample(0:1, 5, TRUE),
             c = 1 - a - b)

# 调用新函数
df %>% mutate(name = dum2fac(a:c))

运行后会得到包含新因子列name的数据框，每个值对应该行哑变量为1的列名。

补充说明 #

• cur_data()是dplyr官方提供的函数，专门用于在dplyr操作的上下文中获取当前数据，比直接操作rlang的数据掩码更直观、易用。
• {{expr}}是rlang的准引用语法，用于捕获用户传入的列选择表达式（如a:c），并在函数内正确解析。

内容的提问来源于stack exchange，提问作者Ricardo Semião