如何在变量与列名相同时于pmap内使用dplyr::filter过滤？

问题背景 #

当使用dplyr对tibble执行filter操作时，如果外部变量与数据框列名同名，dplyr会优先引用列名，导致不符合预期的过滤结果。虽然双大括号{{}}在直接调用dplyr函数时能解决这个问题，但在purrr::pmap的匿名函数中使用会触发递归引用错误，需要找到可靠的解决方法。

示例代码 #

set.seed(2)
ngrp <- 3
npergrp <- 4
tib <- tibble(grp=rep(letters[1:ngrp], each=npergrp), 
              N=rep(1:npergrp, ngrp), 
              val=round(runif(npergrp*ngrp))) %>% print(n=Inf)
grp <- grp_ <- 'a'
tib %>% dplyr::filter(grp==grp_) %>% glimpse() ## works
tib %>% dplyr::filter(grp==grp) %>% glimpse()  ## undesired result, grp==grp always true
tib %>% dplyr::filter(grp=={{grp}}) %>% glimpse()  ## hey it works!
## slightly less toy example
tib %>% dplyr::filter(grp==grp_) %>% 
  dplyr::mutate(
    the_rest = purrr::pmap(
      .,
      function(grp, N, ...) {
        gg <- grp ## there must be a better way
        NN <- N
        tib %>% 
          dplyr::filter(
            # grp!=grp, ## always false
            # N==N      ## always true
            grp!=gg,
            N==NN
          ) %>% 
          dplyr::pull(val) %>% 
          sum()
      }
    ),
    no_hugs = purrr::pmap(
      .,
      function(grp, N, ...) {
        tib %>% 
          dplyr::filter(
            grp!={{grp}}, ## ERROR! oh noes!
            N=={{N}}
          ) %>% 
          dplyr::pull(val) %>% 
          sum()
      }
    )
  ) %>% 
  tidyr::unnest() %>% 
  glimpse()

示例输出 #

# A tibble: 12 × 3
   grp       N   val
   <chr> <int> <dbl>
 1 a         1     0
 2 a         2     1
 3 a         3     1
 4 a         4     0
 5 b         1     1
 6 b         2     1
 7 b         3     0
 8 b         4     1
 9 c         1     0
10 c         2     1
11 c         3     1
12 c         4     0
Rows: 4
Columns: 3
$ grp <chr> "a", "a", "a", "a"
$ N   <int> 1, 2, 3, 4
$ val <dbl> 0, 1, 1, 0
Rows: 4
Columns: 3
$ grp <chr> "a", "a", "a", "a"
$ N   <int> 1, 2, 3, 4
$ val <dbl> 0, 1, 1, 0
Error in local_error_context(dots = dots, .index = i, mask = mask) : 
promise already under evaluation: recursive default argument reference or earlier problems?

# the_rest should be 1, 2, 1, 1

解决方法 #

1. 基础场景：区分列名与外部变量 #

在直接调用dplyr函数时，有两种可靠方式：

• 使用{{}}（embrace）运算符：将外部变量注入dplyr的求值环境，优先引用外部变量而非列名，比如：

  tib %>% dplyr::filter(grp == {{grp}}) %>% glimpse()
  

• 使用.env代词：明确指定引用外部环境中的变量，避免与列名混淆，语法为.env$变量名：

  tib %>% dplyr::filter(grp == .env$grp) %>% glimpse()
  

2. pmap匿名函数中的解决方案 #

{{}}在pmap中报错是因为匿名函数的参数名与外部变量名同名，触发了递归引用。此时推荐使用.env代词明确区分：

修改示例中的no_hugs部分代码：

no_hugs = purrr::pmap(
  .,
  function(grp, N, ...) {
    tib %>% 
      dplyr::filter(
        grp != .env$grp,  # 引用外部定义的grp变量
        N == .env$N       # 引用外部定义的N变量
      ) %>% 
      dplyr::pull(val) %>% 
      sum()
  }
)

这里的.env$grp指向外部环境中定义的grp <- 'a'，而函数参数grp是当前行的列值，两者完全区分，不会产生冲突。

修改后重新运行代码，no_hugs会得到与the_rest一致的预期结果：1, 2, 1, 1。

内容的提问来源于stack exchange，提问作者flies