如何在调用arrow::open_dataset的R函数中将变量名作为字符串引用？

问题核心是Arrow的表达式引擎不支持R原生的get()函数——get()是在R本地环境中查找变量，而Arrow需要在数据集层面识别变量引用。以下两种方法可以在保留open_dataset()的前提下实现需求：

方法1：用rlang的符号注入 #

通过rlang::sym()将字符串变量名转换为R符号，再用!!（bang-bang）注入到summarise表达式中，让Arrow能正确识别变量：

library(arrow)
library(dplyr)
library(rlang)

mean_of_var <- function(var) {
  # 将字符串转成符号
  var_symbol <- sym(var)
  open_dataset('myfile') %>%
    summarise(
      meanB = mean(!!var_symbol, na.rm = TRUE),
      medianB = median(!!var_symbol, na.rm = TRUE)
    ) %>%
    collect()
}

# 调用示例
mean_of_var('myvar')

方法2：用tidyselect的all_of() #

借助tidyselect的all_of()函数直接传入字符串变量名，结合across()实现统计量计算，这种方法更贴合tidyverse风格：

library(arrow)
library(dplyr)

mean_of_var <- function(var) {
  open_dataset('myfile') %>%
    summarise(
      across(all_of(var), 
             list(meanB = ~mean(., na.rm = TRUE),
                  medianB = ~median(., na.rm = TRUE)),
             .names = "{.fn}")
    ) %>%
    collect()
}

# 调用示例
mean_of_var('myvar')

两种方法都不需要提前将数据集全量加载到内存，完全保留了open_dataset()处理大数据的优势。

内容的提问来源于stack exchange，提问作者LucasMation