使用dtplyr时group_by()%>%sample_n()报错：参数类型(closure)无效

问题原因 #

你遇到的Error in max(count) : invalid 'type' (closure) of argument报错，本质是列名count和dplyr的count()函数重名，在dtplyr的延迟计算环境中，R优先把count识别成了dplyr的count()函数（函数属于closure类型），而非数据中的列。

无需转换对象的解决办法 #

1. dplyr风格写法：用.data代词明确指定列

通过.data代词告诉R我们要引用的是数据框中的count列，而非同名函数：

library(dtplyr)
library(dplyr)

# 示例数据
df <- tibble(id = rep(1:3, each = 5), count = c(3,3,3,6,6,2,2,2,2,2,4,4,4,4,4))
df_lazy <- lazy_dt(df)

# 正确的分组抽样代码
result <- df_lazy %>%
  group_by(id) %>%
  sample_n(max(.data$count), replace = TRUE) %>%
  collect() # 如需查看结果再执行collect，不需要的话可以保留lazy状态

2. data.table风格写法：用get()函数引用列

在data.table语法的上下文中，用get("count")明确获取列值，避免函数名冲突：

result <- df_lazy[, .SD[sample(.N, max(get("count"), .N), replace = TRUE)], by = id] %>%
  collect()

额外说明 #

如果你的count列是通过变量传递的（而非硬编码的列名），可以用.data[[变量名]]的方式引用，比如：

sample_col <- "count"
result <- df_lazy %>%
  group_by(id) %>%
  sample_n(max(.data[[sample_col]]), replace = TRUE) %>%
  collect()

内容的提问来源于stack exchange，提问作者marine-ecologist