求tidyverse解决方案：含非标准求值的变量更新与生成函数

需求回顾 #

• 当传入的日期变量vardt早于other_dt时，将目标二元变量var的值设为NA，同时对应vardt也设为NA
• 若vardt早于baseline_dt，生成新变量{var}_incid（基于更新后的var值）和{var}_incid_dt（对应日期）

修正后的完整代码 #

# 加载依赖库
library(tidyverse)
library(lubridate)

# 生成随机日期的辅助函数
rdate <- function(x,
                  min = paste0(format(Sys.Date(), '%Y'), '-01-01'),
                  max = paste0(format(Sys.Date(), '%Y'), '-12-31'),
                  sort = TRUE) {
  
  dates <- sample(seq(as.Date(min), as.Date(max), by = "day"), x, replace = TRUE)
  if (sort == TRUE) {
    sort(dates)
  } else {
    dates
  }
}

# 设置随机种子保证可复现
set.seed(42)

# 生成初始数据集
das <- data.frame(id = rep(letters[1:3], each = 5), 
                  pheno = rbinom(n=15, size = 1, prob = 0.30), 
                  pheno_dt = rdate(15), 
                  baseline_dt = rdate(15), 
                  other_dt = rdate(15)) 

# 修正后的自定义函数
update_pheno <- function(data, var, vardt) {
  # 获取传入变量的字符串名称，用于生成新变量名
  var_str <- rlang::as_name(rlang::enquo(var))
  incid_var <- paste0(var_str, "_incid")
  incid_dt_var <- paste0(var_str, "_incid_dt")
  
  data %>%
    mutate(
      # 需求1：更新原变量：vardt < other_dt且var为1时设为NA
      {{ var }} := ifelse({{ vardt }} < other_dt & {{ var }} == 1, NA, {{ var }}),
      # 同步更新对应日期：原变量为NA则日期设为NA
      {{ vardt }} := ifelse(is.na({{ var }}), NA, {{ vardt }}),
      # 需求2：生成incid变量：vardt早于baseline_dt时设为NA
      !!incid_var := ifelse({{ vardt }} < baseline_dt & {{ var }} == 1, NA, {{ var }}),
      # 生成对应的incid日期变量：incid变量为NA则日期设为NA
      !!incid_dt_var := ifelse(is.na(!!rlang::sym(incid_var)), NA, {{ vardt }})
    )
}

# 调用函数（修正原代码中phenodt的笔误，应为pheno_dt）
test <- update_pheno(das, pheno, pheno_dt)

关键修正点说明 #

1. 非标准求值处理：使用tidyverse推荐的{{ }}（curly-curly操作符）替代eval(substitute())，直接在mutate中引用传入的非标准参数，代码更简洁易读。
2. 动态变量名赋值：通过rlang::enquo()捕获参数并转成字符串，结合!!（bang-bang操作符）和:=实现动态变量名的赋值，解决原函数中直接用paste0()作为变量名的错误写法。
3. 逻辑修正：补全原函数中缺失的条件关联，确保变量和日期的更新逻辑一致，同时正确关联新生成变量的依赖关系。

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