R语言自定义函数中数据框$与[]列索引的差异问题

编写R自定义函数实现按指定列的因子值筛选行、提取数值列输出统计摘要时，两种逻辑看似一致的索引写法出现了运行差异：一种触发列不存在的警告无法正常运行，一种可以得到预期结果。

失效写法（使用$索引） #

isola_por_fator_em_col <- function(data,col,fator)
{
  y <- data[which(data$col==fator),]
  x <- select_if(y,is.numeric)
  summary(x)
}

# 非字符串形式传列名
isola_por_fator_em_col(data=desempenho_aluno_escola,col=priv,fator="privada")
# 触发警告：Warning message: Unknown or uninitialised column: `col`.

# 改为字符串形式传列名依然无法正常运行
isola_por_fator_em_col(data=desempenho_aluno_escola,col="priv",fator="privada")

正常运行写法（使用[]索引） #

isola_por_fator_em_col <- function(data,col,fator)
{
  y <- data[which(data[col]==fator),]
  x <- select_if(y,is.numeric)
  summary(x)
}

# 传入字符串形式列名可得到正确输出
isola_por_fator_em_col(data=desempenho_aluno_escola,col="priv",fator="privada")

正常运行的输出结果：

desempenho         horas            texp     
 Min.   : 11.40   Min.   : 4.00   Min.   : 9.0  
 1st Qu.: 51.42   1st Qu.:16.00   1st Qu.: 9.0  
 Median : 67.45   Median :21.00   Median :10.0  
 Mean   : 66.55   Mean   :20.06   Mean   :13.3  
 3rd Qu.: 82.47   3rd Qu.:25.00   3rd Qu.:19.0  
 Max.   :108.00   Max.   :31.00   Max.   :20.0 

核心原因：$与[]的索引规则差异 #

两种写法表现不一致，本质是R语言中两种索引操作符的求值规则完全不同：

• $为静态字面量匹配：$操作符后接的内容会被直接识别为固定列名，不会对传入的变量做解析求值。也就是说无论你给函数参数col传入什么值，data$col永远只会查找数据框中名称严格为col的列，自然会因为数据框中不存在该列触发警告。在函数外部直接运行desempenho_aluno_escola[which(desempenho_aluno_escola$priv=="privada"),]能正常生效，是因为代码直接把列名priv作为字面量写在了$后方，不存在变量传参、动态解析的步骤。
• []为动态求值匹配：方括号内的传入内容会先被完整求值，再用求值得到的结果匹配列名。当传入参数col = "priv"时，data[col]会先将col解析为字符串"priv"，再定位到数据框中对应的priv列，因此可以完美适配函数内动态传列名的场景。

补充：如果需要索引列后返回原子向量而非单列数据框，可以使用双中括号[[ ]]，data[[col]]的动态求值逻辑和单中括号一致，同样支持函数参数传参的场景。

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