为何`.data`代词使用环境中的变量而非数据框中的变量？

先看这段示例代码：

library(dplyr)
colname = "bar"
d = tibble(foo = 1:5, bar = 2:6, colname = "foo")
filter(d, .data[[colname]] == 3)

这里存在两个colname变量：一个是全局环境中的变量，值为"bar"；另一个是tibbled中的列，所有行的值都是"foo"。

根据?dplyr::filter的文档说明，filter()的第二个参数是基于数据框变量的逻辑表达式；而?rlang::.data文档明确指出：

.data从数据框中检索数据变量。

按文档描述，filter()应该优先从数据框d中查找变量，也就是用d里的colname值（"foo"）来索引.data，最终等价于执行filter(d, foo == 3)。

但实际运行代码后得到的结果是：

filter(d, .data[[colname]] == 3)
#> # A tibble: 1 × 3
#>     foo   bar colname
#>   <int> <int> <chr> 
#> 1     2     3 foo

显然这里用的是全局环境中colname的值（"bar"），筛选出了bar列等于3的行。而预期的结果应该是：

filter(d, foo == 3)
#> # A tibble: 1 × 3
#>     foo   bar colname
#>   <int> <int> <chr> 
#> 1     3     4 foo

原因解析 #

.data代词的作用范围是它直接索引的目标，也就是说.data[[x]]的执行逻辑是：先在当前调用环境（这里是全局环境）中计算x的值，再用这个值作为列名去.data指代的数据框中提取对应列。

如果想要用数据框d中的colname列值来作为索引，需要明确让colname也在.data的上下文里求值，比如修改代码为：

# 方式1：用.data明确引用数据框内的colname列
filter(d, .data[[.data$colname]] == 3)

# 方式2：先提取数据框中的colname值再使用
target_col = d$colname[1]
filter(d, .data[[target_col]] == 3)

这样就能得到预期的筛选结果。

内容的提问来源于stack exchange，提问作者Karl Ove Hufthammer