如何不依赖tidyeval在R函数中传递新列名？求base R实现

完全不需要依赖tidyeval相关语法，base R原生操作就能实现同等效果，逻辑比临时列重命名的方案更直接。

核心实现 #

直接利用base R的列赋值语法即可，不需要中转临时列、重命名等迂回操作：

new_col <- function(df, col_name, col_vals){
  # 捕获传入的未加引号列名，转为字符串后直接赋值
  col_name_str <- deparse(substitute(col_name))
  df[[col_name_str]] <- col_vals
  df
}

测试运行效果和原tidyverse实现完全一致：

# 用base R原生|>管道即可实现链式调用，不需要加载dplyr
sleep |>
  new_col(sample, "sample1") |>
  new_col(condition, "condition2") |>
  head()

#>   extra group ID  sample  condition
#> 1   0.7     1  1 sample1 condition2
#> 2  -1.6     1  2 sample1 condition2
#> 3  -0.2     1  3 sample1 condition2
#> 4  -1.2     1  4 sample1 condition2
#> 5  -0.1     1  5 sample1 condition2
#> 6   3.4     1  6 sample1 condition2

实现原理 #

• substitute(col_name)会捕获函数调用时传入的未求值参数，也就是输入的裸列名，不会尝试去当前环境或数据框里查找对应对象
• deparse()会把捕获到的列名表达式转为普通字符串，适配[[索引的入参要求
• [[<-是base R原生支持的列新增/替换操作，直接在数据框结构上新增列，没有多余的拷贝或重命名步骤

适配批量元数据映射需求 #

针对「把元数据向量批量映射到数据框/对象列表」的最终需求，用base R的循环函数即可实现，不需要额外依赖：

# 示例：待添加元数据的数据框列表
df_list <- list(
  group_a = sleep[1:6,],
  group_b = sleep[7:12,],
  group_c = sleep[13:18,]
)

# 示例：元数据匹配表，存储每个数据框对应的元数据值
meta_info <- data.frame(
  data_id = c("group_a", "group_b", "group_c"),
  sample_tag = c("sample_1", "sample_2", "sample_3"),
  exp_condition = c("control", "treat_1", "treat_2")
)

# 批量为每个数据框添加对应元数据列
df_list <- Map(
  function(current_df, s_tag, c_tag) {
    current_df[["sample"]] <- s_tag
    current_df[["condition"]] <- c_tag
    current_df
  },
  df_list,
  meta_info$sample_tag,
  meta_info$exp_condition
)

扩展说明 #

• 如果需要支持传入字符串形式的列名，只需要在函数里加一行判断：如果col_name已经是字符串，就跳过deparse(substitute())的步骤直接使用即可，不需要复杂的非标准求值逻辑
• 该实现兼容所有R版本，不需要记忆tidyeval体系下的{{}}、:=、enquo()等专属语法，学习成本更低
• 赋值过程遵循R原生的向量循环规则，如果传入的元数据长度和数据框行数不匹配，会自动给出对齐提示

内容的提问来源于stack exchange，提问作者tiptoebull