依赖dplyr的R自定义函数如何高效传入不同列作为参数

示例数据框：

df <- data.frame(k = sample(1:2, 100, replace = TRUE),
                 l = sample(1:2, 100, replace = TRUE),
                 g = sample(1:3, 100, replace = TRUE, prob = c(0.2, 0.6, 0.2)))

自定义绘图函数：

library(tidyverse)

fun_gg_factor <- function(p) {
  df %>%
    group_by(g) %>%
    count({{p}}) %>%
    mutate(Anteil = n / sum(n)) %>%
    ggplot(aes(x = {{p}}, y = Anteil)) +
    geom_col(position = position_dodge()) +
    facet_grid(.~g)
}

手动调用函数可正常运行：

fun_gg_factor(k)

直接用sapply/循环传入c(k, l)会报错，提示k、l不是对象，无法批量为多列生成对应绘图。

报错核心原因是dplyr的非标准评估语法无法直接适配基础循环/ sapply的传参逻辑，需要通过字符串转符号的方式传递列名，以下是两种可行实现：

方式1：列名字符串+符号转换批量生成独立图表 #

适合需要每个变量单独生成一张图的场景：

# 存储需要绘图的列名（字符串格式）
plot_cols <- c("k", "l")

# 批量生成图表，存储为列表
plot_list <- map(plot_cols, function(col) {
  fun_gg_factor(!!sym(col))
})

# 按需调用对应图表，比如查看变量k的绘图
plot_list[[1]]

# 批量导出所有图片
walk2(plot_list, plot_cols, ~ggsave(paste0(.y, "_分组占比图.png"), .x, width = 8, height = 4))

方式2：长表转换一次性生成全变量汇总图 #

适合所有变量需要展示在同一张画布的场景，无需单独循环调用函数：

df %>%
  pivot_longer(cols = c(k, l), names_to = "变量", values_to = "取值") %>%
  group_by(g, 变量, 取值) %>%
  summarise(n = n(), .groups = "drop_last") %>%
  mutate(Anteil = n / sum(n)) %>%
  ggplot(aes(x = 取值, y = Anteil)) +
  geom_col(position = position_dodge()) +
  facet_grid(变量~g)

内容的提问来源于stack exchange，提问作者Markus