R语言管道操作中，如何无额外变量对比数据行数差异？

背景 #

先看这个用于管道中执行函数但不中断数据流的自定义函数：

pass_through <- function(data, fun) {fun(data); data}

用它可以在管道内打印过滤后的数据行数：

mtcars %>% filter(mpg>15) %>% pass_through(. %>% nrow %>% print)

但如果尝试打印原数据与过滤后数据的行数差值，直接写会触发报错：

> mtcars %>% filter(mpg>15) %>% pass_through(. %>% nrow %>% print(.-nrow(mtcars)))

Error in print.default(., . - nrow(mtcars)) : invalid printing digits -6

问题 #

1. 能否在不使用额外变量、不中断管道的前提下，查看原数据与当前步骤数据的行数差值？
2. 能否在不使用额外变量、不中断管道的前提下，查看管道第n步与第n+1步的行数差值？

（参考示例代码，原示例试图用%T>%但引用前一步的y不合法）

mtcars %>%
  filter(mpg > 30) %T>%  # 假设此输出为y
  {(x) (nrow(mtcars) - nrow(x)) %>% print}() %>% 
  filter(cyl  > 5)  %T>%
  {(x) (nrow(y) - nrow(x)) %>% print}() 
# 此处写入'y'不合法

解决方案 #

针对问题1的实现 #

调整pass_through内的逻辑，直接计算差值并打印，避免将差值误传给print的参数：

mtcars %>% 
  filter(mpg>15) %>% 
  pass_through(. -> filtered; cat("原数据与当前数据行数差值：", nrow(mtcars) - nrow(filtered), "\n"))

或者用公式风格的写法更简洁：

mtcars %>% 
  filter(mpg>15) %>% 
  pass_through(~ cat("原数据与当前数据行数差值：", nrow(mtcars) - nrow(.x), "\n"))

针对问题2的实现 #

要追踪管道相邻步骤的行数变化，需要把前一步的行数信息“携带”到下一步。可以用%T>%结合环境变量保存前一步数据，或者写一个自定义追踪函数：

方法1：用%T>%临时保存前一步数据

mtcars %>%
  {. ->> prev_data; .} %>%  # 保存初始数据到prev_data
  filter(mpg > 30) %T>%
  {cat("第一步过滤后，与上一步的行数差值：", nrow(prev_data) - nrow(.), "\n"); . ->> prev_data} %>%
  filter(cyl > 5) %T>%
  {cat("第二步过滤后，与上一步的行数差值：", nrow(prev_data) - nrow(.), "\n")}

方法2：自定义追踪函数（更优雅）

写一个带状态的函数，自动记录上一步的行数，每次调用都打印差值：

track_row_diff <- function(initial_n = NULL) {
  prev_n <- initial_n
  function(data) {
    current_n <- nrow(data)
    if (!is.null(prev_n)) {
      cat("与上一步的行数差值：", prev_n - current_n, "\n")
    }
    prev_n <<- current_n
    data
  }
}

# 使用示例
tracker <- track_row_diff(nrow(mtcars))
mtcars %>%
  filter(mpg > 30) %>% tracker() %>%
  filter(cyl > 5) %>% tracker()

这个追踪函数会全程保留上一步的行数状态，无需额外全局变量，也不会中断管道数据流。

内容的提问来源于stack exchange，提问作者doraemon