在dplyr的across中传递自定义函数参数时遇错误求助

问题原因 #

当把lambda表达式替换为自定义函数get_which_max后，函数内的get(col_max)默认在函数自身的环境中查找对象，而非dplyr处理的分组数据框环境。而原lambda表达式直接在dplyr的tidy eval上下文执行，能正确识别数据框中的列，因此不会报错。

两种可行解决方案 #

方案1：使用.data代词明确指定数据框环境 #

修改自定义函数，用.data[[col_max]]替代get(col_max)，强制从当前分组的数据框中提取参考列：

data(iris)
ref_col <- "Sepal.Length"

get_which_max <- function(x, col_max) {
  x[which.max(.data[[col_max]])]
}

iris_summary <- iris %>%
  group_by(Species) %>%
  summarise(
    Sepal.Length_max = max(Sepal.Length),
    across(
      Sepal.Width:Petal.Width,
      ~ get_which_max(.x, ref_col)
    )
  )

方案2：传递整个分组数据框给自定义函数 #

让自定义函数接收完整的分组数据框，直接提取目标列和参考列进行计算，避免环境查找问题：

data(iris)
ref_col <- "Sepal.Length"

get_which_max <- function(df, target_col, ref_col) {
  df[[target_col]][which.max(df[[ref_col]])]
}

iris_summary <- iris %>%
  group_by(Species) %>%
  summarise(
    Sepal.Length_max = max(Sepal.Length),
    across(
      Sepal.Width:Petal.Width,
      ~ get_which_max(cur_data(), .y, ref_col),
      .names = "{col}_at_max_ref"
    )
  )

注：cur_data()用于获取当前分组的数据框，.y代表当前遍历的列名，需要dplyr 1.0.0及以上版本支持。

内容的提问来源于stack exchange，提问作者emaoca