如何在R语言pipe管道流中后续访问存储的行数统计对象

原有代码问题分析 #

现有实现依赖全局环境变量rows存储上一步行数，多步管道调用时容易因为作用域优先级、变量覆盖问题导致存储更新异常。

方案1：适配原有调用习惯的修正版 #

保留全局变量存储逻辑，补充参数确保跨环境赋值、取值生效：

n_before <- function(x) {
  assign("rows", nrow(x), envir = .GlobalEnv, inherits = TRUE)
  return(x)
}

n_excluded <- function(x) {
  current_exclude <- get("rows", envir = .GlobalEnv) - nrow(x)
  cat("本次过滤排除行数：", current_exclude, "\n")
  return(x)
}

调用示例：

library(dplyr)
iris %>% 
  n_before() %>% 
  filter(Sepal.Length > 5) %>% 
  n_excluded() %>% 
  n_before() %>% 
  filter(Species == "setosa") %>% 
  n_excluded()

方案2：无全局污染推荐版 #

将行数存储到数据集自定义属性中，不会产生全局冗余变量，稳定性更高：

n_before <- function(x) {
  attr(x, "last_rows") <- nrow(x)
  return(x)
}

n_excluded <- function(x) {
  current_exclude <- attr(x, "last_rows") - nrow(x)
  cat("本次过滤排除行数：", current_exclude, "\n")
  return(x)
}

调用方式和方案1完全一致，执行后会依次打印每一步过滤排除的行数，数据集本身正常向下传递不影响后续管道操作。

内容的提问来源于stack exchange，提问作者Rasmus Larsen