dplyr中get()、.data[[]]和!!按字符选列的差异及原理

问题背景 #

我需要在dplyr中编写函数，实现「当数据集里变量a等于值b时，将变量c修改为值d」的操作，且能在不同场景传入不同变量名。测试了三种用字符串指定列名的方法，但它们在select、filter、mutate中的表现各不相同，示例代码如下：

riib = function(dataset, selectvar) {

    selectname=deparse(substitute(selectvar))
    # 注：原代码中replacename、equalval未定义，此处保留原代码结构
    print(replacename)
    print(selectname)
    print(equalval)

    print("Selecting")
    # 选择列时，!! 可用，.data[[]] 可用，get() 报错
    print(dataset %>% select(!!selectname))
    print(dataset %>% select(.data[[selectname]]))
    # print(dataset %>% select(get(selectname)))

    print("Filtering")
    # 筛选时，!!selectname 无结果，.data[[]] 和 get() 可用
    print(dataset %>% filter(!!selectname == 3))
    print(dataset %>% filter(.data[[selectname]] == 3))
    print(dataset %>% filter(get(selectname) == 3))

    print("Mutating")
    # 修改列时，!! 可用，.data[[]] 和 get() 报错
    print(dataset %>% mutate(!!selectname := 3))
    # print(dataset %>% mutate(.data[[selectname]] := 3))
    # print(dataset %>% mutate(get(selectname) := 3))
    print(dataset)
}

bob=tibble(x=c(1,2), y=c(3,4))
bob
riib(bob,y)

想请教为何会有这些差异，以及是否存在统一的指定字符列名的语法。

差异原因分析 #

1. !!（bang-bang）的原理与局限 #

!!是rlang包的非标准求值工具，作用是把字符串或符号强制解引用，转换成dplyr函数能识别的列名符号：

• 在select中有效：select接受符号作为列名输入，!!selectname把字符串转成符号，符合参数要求。
• 在filter中失效：!!selectname == 3会被解析成字符串与数值的比较（比如"y" == 3），结果永远为FALSE，所以返回空数据集。正确写法应该是先把字符串转成符号再比较：!!sym(selectname) == 3。
• 在mutate中有效：!!selectname := 3利用命名注入，把字符串作为列名（覆盖已有列），符合赋值语法。

2. .data[[]]的原理与局限 #

.data是dplyr提供的数据代词，明确指向当前数据集的列，属于标准求值工具：

• 在select中有效：.data[[selectname]]直接提取列，select可接受这种列引用。
• 在filter中有效：.data[[selectname]] == 3直接对列值做比较，逻辑正确。
• 在mutate中失效：mutate赋值左侧需要列名符号，而.data[[selectname]]是列的取值，不能作为赋值目标，因此语法报错。

3. get()的原理与局限 #

get()是R基础函数，从当前环境提取对应字符串的对象：

• 在select中失效：select需要列名符号或位置，get(selectname)会尝试从全局环境提取对象，而非数据集内的列，因此报错。
• 在filter中有效：filter的表达式在数据集环境中求值，get(selectname)能正确找到数据集内的列并取值比较。
• 在mutate中失效：和.data[[]]类似，get(selectname)是列的取值，不能作为赋值的目标列名，语法不允许。

统一的字符列名指定方案 #

现在dplyr推荐使用统一的标准求值语法，以下三种方案可适配所有核心dplyr函数：

方案1：.data代词+标准求值 #

适合明确传入字符串列名的场景：

# 实现需求的示例函数
modify_col <- function(dataset, a, b, c, d) {
  dataset %>%
    mutate({{c}} := if_else(.data[[a]] == b, d, .data[[c]]))
}

# 调用：传入字符串列名
bob <- tibble(x=c(1,2), y=c(3,4))
modify_col(bob, a = "x", b = 1, c = "y", d = 100)

方案2：{{}}（curly-curly） #

适合直接传入列名符号（非字符串）的场景，也可提取列名字符串：

modify_col <- function(dataset, a, b, c, d) {
  # 若需提取列名字符串，用ensym()+as_string()
  a_name <- as_string(ensym(a))
  c_name <- as_string(ensym(c))
  
  dataset %>%
    mutate({{c}} := if_else({{a}} == b, d, {{c}}))
}

# 调用：直接传入列名
modify_col(bob, a = x, b = 1, c = y, d = 100)

方案3：兼容字符串和符号输入的通用写法 #

如果需要同时支持两种输入方式，可用ensym()+!!组合：

modify_col <- function(dataset, a, b, c, d) {
  a_sym <- ensym(a)
  c_sym <- ensym(c)
  
  dataset %>%
    mutate(!!c_sym := if_else(!!a_sym == b, d, !!c_sym))
}

# 两种调用方式都支持
modify_col(bob, a = "x", b = 1, c = "y", d = 100)
modify_col(bob, a = x, b = 1, c = y, d = 100)

内容的提问来源于stack exchange，提问作者Holt Dwyer