如何在自定义函数的公式中正确使用quosures解引用变量？

我明白你在自定义数据处理函数里用quosures传递变量名到公式时遇到了问题——这在使用tidyeval工具时确实是个常见的小坑！让我帮你把代码修正过来，顺便解释下正确的用法。

首先，我猜你原本的函数是想按分组变量拟合模型，再用broom处理结果对吧？你的核心问题是在公式里正确解引用quosures，其实用!!（bang-bang操作符）就可以，但要注意公式里的写法，以及结合purrr::map的正确方式。

修正后的完整函数 #

library(dplyr)
library(broom)
library(purrr)
library(tidyr)

foo <- function(mydata, dv, iv, group_var) {
  # 捕获输入的变量名作为quosures
  dv <- enquo(dv)
  iv <- enquo(iv)
  group_var <- enquo(group_var)
  
  mydata %>%
    group_by(!!group_var) %>%
    nest() %>%
    # 对每个分组的数据拟合模型，公式里解引用quosures
    mutate(model = map(data, ~ lm(!!dv ~ !!iv, data = .x)),
           # 用broom整理模型的系数结果
           tidied = map(model, tidy),
           # 用broom整理模型的整体统计量
           glanced = map(model, glance)) %>%
    # 展开整理后的系数结果
    unnest(tidied) %>%
    # 提取需要的列，包括分组变量和模型统计量
    select(!!group_var, term, estimate, p.value, r.squared = glanced$r.squared)
}

关键步骤解释 #

• 捕获变量：用enquo()把函数的参数转换成quosures，这样我们就能在后续的tidyverse函数里安全地引用这些变量名，避免命名冲突。
• 公式中的解引用：在lm()的公式里，直接用!!dv ~ !!iv就能把quosures转换成对应的列名，R会正确识别这是数据框里的变量。
• 结合map使用：在map()里，我们用.x指代每个分组的子集数据集，把解引用后的公式和数据一起传递给lm()即可完成分组建模。

测试示例 #

用mtcars数据集测试这个函数，看看效果：

test_result <- foo(mtcars, mpg, hp, cyl)
print(test_result)

运行后你会得到按cyl（气缸数）分组，每个组里mpg（油耗）对hp（马力）回归的系数、p值和R平方值。

更简洁的写法（使用{{ }}） #

如果你用的是dplyr 1.0.0及以上版本，可以用{{ }}（curly-curly操作符）简化代码，它会自动完成quosures的捕获和解引用，不需要手动调用enquo()和!!：

foo_simpler <- function(mydata, dv, iv, group_var) {
  mydata %>%
    group_by({{ group_var }}) %>%
    nest() %>%
    mutate(model = map(data, ~ lm({{ dv }} ~ {{ iv }}, data = .x)),
           tidied = map(model, tidy),
           glanced = map(model, glance)) %>%
    unnest(tidied) %>%
    select({{ group_var }}, term, estimate, p.value, r.squared = glanced$r.squared)
}

这个版本的代码更简洁，功能和之前的完全一致，推荐优先使用这种写法，减少手动处理quosures的麻烦。

内容的提问来源于stack exchange，提问作者Joe