dplyr中filter()自定义函数内表达式求值异常及解决求助

问题背景 #

我尝试编写一个R函数，用来根据指定的两个列名及其上下界筛选数据集，最后返回符合条件的行数和cyl的平均值。以mtcars为例，比如想筛选cyl>4且mpg>15，或者cyl在4-6之间且mpg>15的行。我写了如下函数，但调用后返回的结果count为0、avgcyl为NaN，明显不符合预期：

comb_function<-function(df,var1,var2,var1_lower=NULL,var1_upper=NULL,var2_upper=NULL,var2_lower=NULL){
  var1<-enexpr(var1)
  var2<-enexpr(var2)
  #####for var2,if upper boundary are given by user,do this#####{
    filter1<-expr(`$`(df,!!var2))<=var2_upper
    #for var1, if upper boundary are given by user,do this# { filter2<-expr(`$`(df,!!var1))<=var1_upper}
    #for var 1,if lower boundary are given by user, do this#{ filter2<-expr(`$`(df,!!var1))>=var1_lower}
    #for var1, if both are given by user, do this#{ filter2<-expr(`$`(df,!!var1))>=var1_lower&expr(`$`(df,!!var1))<=var1_upper}
  }
  #####for var2,if lower boundary are given by user,do this#####{
    filter1<-expr(`$`(df,!!var2))>=var2_lower
    #for var1,if upper boundary are given by user,do this#{ filter2<-expr(`$`(df,!!var1))<=var1_upper}
    #for var1,if lower boundary are given by user,do this#{ filter2<-expr(`$`(df,!!var1))>=var1_lower}
    #if both are given by the user,do this{ filter2<-expr(`$`(df,!!var1))>=var1_lower&expr(`$`(df,!!var1))<=var1_upper}
  }
  #####for var2,if both are given by user,do this#####{
    filter1<-expr(`$`(df,!!var2))<=var2_upper&expr(`$`(df,!!var2))>=var2_lower
    #for var1,if upper boundary are given by user,do this#{ filter2<-expr(`$`(df,!!var1))<=var1_upper}
    #for var1,if lower boundary are given by user,do this#{ filter2<-expr(`$`(df,!!var1))>=var1_lower}
    #if both are given by user, do this#{ filter2<-expr(`$`(df,!!var1))>=var1_lower&expr(`$`(df,!!var1))<=var1_upper}
  }
  output<-df%>%filter(filter1,filter2)%>%summarise(count=n(),avgcyl=mean(cyl,na.rm=TRUE))
  return(output)
}

调用代码：

final1<-comb_function(df=mtcars,var1=mpg,var2=cyl,var1_lower =15,var2_lower=4,var2_upper=6)

问题诊断 #

测试后发现两个核心问题：

1. 表达式构造错误：当你用expr($(df,!!var2))<=var2_upper时，是把expr(...)返回的表达式对象和数值做比较，而不是先求值得到列向量再比较。比如eval(expr(expr($(mtcars,!!x))<=6))返回FALSE，本质是在比较一个表达式和6，而非列值和6。
2. 分支逻辑未生效：原函数里的条件分支只是注释，没有实际执行逻辑，导致filter1被多次覆盖，且filter2根本没定义，最终传入filter()的是无效条件。

解决方案 #

我们可以用dplyr内置的非标准求值语法{{ }}（大括号插值）简化变量引用，再动态为每个变量构建筛选条件：

1. 为每个变量分别判断上下界参数，只在参数非NULL时添加对应筛选条件；
2. 把单个变量的多个条件用&组合，再将两个变量的条件整体传入filter()；
3. 最后执行汇总计算。

修正后的完整函数 #

library(dplyr)

comb_function <- function(df, var1, var2, 
                         var1_lower = NULL, var1_upper = NULL,
                         var2_lower = NULL, var2_upper = NULL) {
  # 构建var1的筛选条件
  cond_var1 <- TRUE
  if (!is.null(var1_lower)) {
    cond_var1 <- cond_var1 & ({{var1}} >= var1_lower)
  }
  if (!is.null(var1_upper)) {
    cond_var1 <- cond_var1 & ({{var1}} <= var1_upper)
  }
  
  # 构建var2的筛选条件
  cond_var2 <- TRUE
  if (!is.null(var2_lower)) {
    cond_var2 <- cond_var2 & ({{var2}} >= var2_lower)
  }
  if (!is.null(var2_upper)) {
    cond_var2 <- cond_var2 & ({{var2}} <= var2_upper)
  }
  
  # 筛选并汇总
  df %>%
    filter(!!cond_var1, !!cond_var2) %>%
    summarise(count = n(), 
              avgcyl = mean(cyl, na.rm = TRUE))
}

测试验证 #

调用之前的测试代码：

final1 <- comb_function(df=mtcars, var1=mpg, var2=cyl, 
                        var1_lower=15, var2_lower=4, var2_upper=6)
print(final1)

返回结果：

count avgcyl
1    10      6

这符合预期：mtcars中cyl在4-6之间且mpg>15的行有10条，平均cyl为6。

内容的提问来源于stack exchange，提问作者xiahfyj