R中purrr::pmap内使用动态变量名做子集筛选的正确方法

核心问题是你混用了base R的非标准计算逻辑和tidyverse的元编程语法，三种写法的具体问题如下：

• 尝试1（直接写col1 == col2）：subset()会在my_df的列环境中解析表达式，它会尝试查找my_df中名为col1的列做判断，根本不会读取函数参数里col1存储的"age"字符串，而my_df中不存在col1列，最终会报错或返回空结果。
• 尝试2（!!as.name(col1)）：!!是rlang包提供的元编程注入操作符，仅支持tidyverse系列中适配了tidy eval的函数（比如dplyr、tidyr的函数），base R的subset()完全不识别这个操作符，不会按你的预期做表达式注入，会直接把!!当成非法运算报错。
• 尝试3（直接!!col1 == col2）：除了上述subset不支持!!的问题外，就算在支持tidy eval的函数里，你直接注入字符串"age"，最终会被解析成"age" == col2——也就是用字符串常量和列值做比较，结果永远为FALSE，筛不出任何行。

你可以选两种适配你现有代码习惯的方案：

方案1：沿用base R逻辑（无需额外加载包） #

不用subset()，直接用[[按字符串索引取列做判断，这是base R中动态指定列名最稳妥的写法：

updated_df <- purrr::pmap(description, function(col1, col2, col3) {
  my_df[my_df[[col1]] == col2, ]
})

运行结果和你之前硬编码age的效果完全一致。

方案2：使用tidyverse生态的tidy eval语法 #

如果你习惯用tidyverse的函数，把subset()换成支持tidy eval的dplyr::filter()，先把字符串列名转成符号再注入即可：

library(dplyr)
updated_df <- purrr::pmap(description, function(col1, col2, col3) {
  # sym()把字符串列名转为R符号，!!完成表达式注入
  filter(my_df, !!sym(col1) == col2)
})

内容的提问来源于stack exchange，提问作者icedcoffee