R中使用data.table时如何确保自定义函数的参数类型正确

问题原因 #

你遇到的两个报错本质都是data.table环境下的非标准评估传参问题：

1. 第一个报错是因为你调用函数时传入未加引号的Northeast，R会默认在全局环境中搜索名为Northeast的对象，而它只是你数据里的分类值，不是全局对象，因此找不到。
2. 第二个报错是你直接传入未加引号的列名Region时，eval函数默认在父环境搜索，找不到data内部的列对象。

解决方案 #

提供两种可选方案，你可以根据自己的调用习惯选择：

方案1：保持当前不加引号的调用方式 #

调整函数代码，用substitute和bquote捕获传入的符号，在data.table的内部环境中求值：

topx_engagement = function(state_of_engagement, respondent_variable, respondent_variable_sub, rank_length = 3){
  # 捕获传入的未加引号的参数符号
  resp_col <- substitute(respondent_variable)
  resp_val <- substitute(respondent_variable_sub)
  engage_col <- substitute(state_of_engagement)
  
  # 构造表达式在data.table内部求值
  data[eval(bquote(.(resp_col) == .(resp_val))),
       mean(eval(engage_col), na.rm = TRUE),
       by = Product][order(-rank(V1))][1:rank_length,.(Product)]
}

你原来的调用代码不用修改：

topx_engagement(state_of_engagement = Awareness, respondent_variable = Region, respondent_variable_sub = Northeast, rank_length = 3)

方案2：参数传字符串（更稳妥，不容易踩坑） #

调整函数逻辑，所有列名、分类值都传字符串，用get获取对应列的值：

topx_engagement = function(state_of_engagement, respondent_variable, respondent_variable_sub, rank_length = 3){
  data[get(respondent_variable) == respondent_variable_sub,
       mean(get(state_of_engagement), na.rm = TRUE),
       by = Product][order(-rank(V1))][1:rank_length,.(Product)]
}

调用时所有参数加引号即可：

topx_engagement(state_of_engagement = "Awareness", respondent_variable = "Region", respondent_variable_sub = "Northeast", rank_length = 3)

内容的提问来源于stack exchange，提问作者Okin_97