如何使用purrr::reduce()将表达式列表应用于任意数据框？

问题背景 #

我用rlang::enexprs()生成了一组处理数据框的表达式列表，想把这组表达式依次应用到任意数据框上，最终得到处理后的单一数据框。但自己写的apply.expr()函数有问题：

• 当函数参数命名为df时，执行结果不符合预期
• 改成data后，只能适配命名为data的数据框，没法通用到其他命名的数据集

现有尝试代码 #

初始版本（参数为df，结果不符合预期） #

select.expr <- function(...) rlang::enexprs(...)

apply.expr <- function(df, filtre.list) { 
    eval_df <- function(df, expr) rlang::eval_tidy(expr, data = df)
    purrr::reduce(filtre.list, eval_df, .init = df) 
}

测试示例 #

data <- data.frame(a = c(1, 1, 1, 1),
                   b = c(2, 2, 2, 2),
                   c = c(3, 3, 3, 3))

expr <- select.expr(replace(data, data == 2, "two"), 
                    replace(data, data == 3, "three"))

apply.expr(data, expr)
##   a b     c
## 1 1 2 three
## 2 1 2 three
## 3 1 2 three
## 4 1 2 three

修改参数名后的版本（仅适配data数据框） #

apply.expr <- function(df, filtre.list) { 
    eval_df <- function(data, expr) rlang::eval_tidy(expr, data = data)
    purrr::reduce(filtre.list, eval_df, .init = df) 
}

apply.expr(data, expr)
##   a   b     c
## 1 1 two three
## 2 1 two three
## 3 1 two three
## 4 1 two three

问题根源 #

核心问题是表达式里硬编码了数据框的名称（比如data），执行eval_tidy时，会优先去创建表达式的环境中查找这个硬编码的变量，而不是使用apply.expr传入的动态数据框参数。修改参数名为data只是刚好匹配了硬编码的名称，换个数据框名就失效了。

通用解决方案 #

方案1：创建表达式时使用占位符（推荐） #

修改select.expr，让表达式用占位符（比如.）代替具体的数据框名，然后在apply.expr中动态绑定占位符到当前处理的数据框：

# 生成表达式列表，用`.`作为数据框占位符
select.expr <- function(...) rlang::enexprs(...)

# 通用的表达式应用函数
apply.expr <- function(df, filtre.list) {
  purrr::reduce(filtre.list, function(current_df, expr) {
    # 把表达式中的`.`绑定到当前迭代的数据集
    rlang::eval_tidy(expr, data = list(. = current_df))
  }, .init = df)
}

测试验证（适配任意命名的数据框） #

# 测试命名为test_df的数据框
test_df <- data.frame(a = c(1, 1), b = c(2, 2), c = c(3, 3))
# 创建表达式时用`.`代替具体数据框名
expr <- select.expr(replace(., . == 2, "two"), 
                    replace(., . == 3, "three"))

apply.expr(test_df, expr)
##   a   b     c
## 1 1 two three
## 2 1 two three

方案2：动态替换表达式中的硬编码数据框名 #

如果已经有了硬编码数据框名的表达式，可以在apply.expr中动态替换这个名称为传入的数据框：

apply.expr <- function(df, filtre.list, original_name = rlang::sym("data")) {
  eval_df <- function(current_df, expr) {
    # 替换表达式中的硬编码名称为当前数据集
    modified_expr <- rlang::expr_replace(expr, original_name, rlang::enexpr(current_df))
    rlang::eval_tidy(modified_expr)
  }
  purrr::reduce(filtre.list, eval_df, .init = df)
}

# 使用示例：表达式里硬编码的是data
apply.expr(test_df, expr)
# 如果表达式里硬编码的是other_df，指定original_name参数
# apply.expr(test_df, expr, original_name = rlang::sym("other_df"))

说明 #

方案1更灵活，不需要关心表达式对应的原始数据框名称，只要用统一的占位符就能适配任意数据框；方案2适合处理已经存在的、硬编码了数据框名的表达式列表。

内容的提问来源于stack exchange，提问作者ian