Tidyeval Программирование с индексированием Base R

Question

Проблема

Я пытаюсь создать функцию, использующую синтаксис dplyr и [], но неправильно использую предложения. Проблема проистекает из каменистого фундамента с ворсинками и приливом. Я надеюсь, что кто-то может объяснить, почему моя функция не работает.

Фон

Я нашел этот код действительно полезным и хотел превратить его в функцию, с помощью которой я мог бы изменять аргументы без использования строк. Я смог получить эту функцию, используя Программирование с помощью dplyr Vignette . (примечание: я изменил исходный код для удовлетворения своих потребностей)

library(dplyr)    

persistence <- function(df, period, ...){
  period <- enquo(period)
  group_var <- quos(...)

  df %>% 
    group_by(!!! group_var, !! period) %>%
    summarise(persistence_rate = length(base::intersect(id, df$id[df$rank==(rank+1)]))/n_distinct(id))
}

Используя данные, которые я предоставил ниже, использование этой функции дает мне желаемый результат:

persistence(data, period)

    # A tibble: 5 x 2
      period persistence_rate
      <chr>             <dbl>
    1 a                 0.500
    2 b                 1.00 
    3 c                 0.667
    4 d                 0.667
    5 e                 0. 

К сожалению, когда я пытался изменить столбцы id и rank, я не был уверен, как включить эти предложения.

Что я пробовал

Используя эти данные:

   data <- structure(list(id = c("A", "B", "C", "D", "A", "C", "A", "B", "C", "A", "D", "C", "A", "B", "C"),
                   period = c("a", "a", "a", "a", "b", "b", "c", "c", "c", "d", "d", "d", "e", "e", "e"),
                   rank = c(1, 1, 1, 1, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5),
                   group = c("g1", "g2", "g1", "g2", "g1", "g1", "g1", "g2", "g1", "g1", "g2", "g1", "g1", "g2", "g1")),
                   .Names = c("id", "period", "rank", "group"),
                   row.names = c(NA, -15L),
                   class = c("tbl_df", "tbl", "data.frame"))

Я закончил с этой функцией:

persistence_new <- function(df, id, period, rank, ...){

  period <- enquo(period)
  id <- enquo(id)
  rank <- enquo(rank)
  group_var <- quos(...)

  df %>% 
    group_by(UQS(group_var), UQ(period)) %>%
    summarise(persistence_rate = length(base::intersect(UQ(id), UQ(id)[UQ(rank) == (UQ(rank) + 1)]))/n_distinct(UQ(id)))

}

Что дает мне этот результат:

persistence_new(data, id, period, rank)

    # A tibble: 5 x 2
  period persistence_rate
  <chr>             <dbl>
1 a                    0.
2 b                    0.
3 c                    0.
4 d                    0.
5 e                    0.

Мне потребовалось много времени, чтобы понять это. Поскольку я пробовал разные вещи, это часто приводило к ошибке. Теперь он работает, но не дает мне желаемых результатов.

Я, по сути, пробовал каждую итерацию (), UQ, [] и [[]], о которой я мог подумать.

Спасибо

Я надеюсь узнать больше о tidyeval, чтобы у меня не было таких трудных времен с этим в будущем. Учитывая сказанное и учитывая, что проблема заключается в отсутствии понимания, я был бы признателен за любые точки зрения на , почему моя текущая функция не работает. Любое понимание того, как сделать тидевал более интуитивным, было бы замечательно.

В качестве альтернативы, не стесняйтесь указывать мне на конкретный раздел Программирование с помощью dplyr Vignette. Я проработал все это дважды, но конкретный раздел, на котором стоит сосредоточиться, может быть полезным.

Я ценю помощь. Дайте мне знать, могу ли я предоставить дополнительную информацию.

SessionInfo

> sessionInfo()
R version 3.4.4 (2018-03-15)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)

Matrix products: default

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] bindrcpp_0.2 dplyr_0.7.4 

loaded via a namespace (and not attached):
 [1] Rcpp_0.12.16          utf8_1.1.3            crayon_1.3.4          assertthat_0.2.0      R6_2.2.2             
 [6] magrittr_1.5          pillar_1.2.1          cli_1.0.0             rlang_0.2.0.9001      rstudioapi_0.7.0-9000
[11] tools_3.4.4           glue_1.2.0            yaml_2.1.19           compiler_3.4.4        pkgconfig_2.0.1      
[16] bindr_0.1.1           tibble_1.4.2

Answer 1

Я думаю, что это делает то, что вы хотите в более дружественном к dplyr способе.

persistence_new <- function(df, id, period, rank, ...){

  period <- enquo(period)
  id <- enquo(id)
  rank <- enquo(rank)
  group_var <- quos(...)

  df %>% group_by(!!id) %>%   
    arrange(!!rank) %>% 
    mutate(nextrank = lead(!!rank)) %>% 
    group_by(!!!group_var, !!period) %>% 
    summarize(persistence_rate=sum(nextrank == !!rank + 1, na.rm=TRUE)/n())

}

persistence_new(data, id, period, rank)
#   period persistence_rate
#   <chr>             <dbl>
# 1 a                 0.5  
# 2 b                 1    
# 3 c                 0.667
# 4 d                 0.667
# 5 e                 0  

Вместо того, чтобы выполнять соединение подзапроса, здесь мы просто используем lead(), чтобы увидеть, является ли следующий столбец ранга на один больше, чем последний, и суммировать на основе этой информации. Поскольку здесь используются все функции dplyr, их легко использовать с оператором bang-bang.

Кроме того, похоже, что период и ранг - это одно и то же. Вам не нужно требовать ранга в качестве параметра, если вы хотите вычислить его внутри функции. Например

persistence_new <- function(df, id, period, ...){

  period <- enquo(period)
  id <- enquo(id)
  group_var <- quos(...)

  data %>% 
    mutate(rank = group_indices(., period)) %>% 
    group_by(!!id) %>%   
    arrange(rank) %>% 
    mutate(nextrank = lead(rank)) %>% 
    group_by(!!!group_var, !!period) %>% 
    summarize(persistence_rate=sum(nextrank == rank + 1, na.rm=TRUE)/n())

}
persistence_new(data, id, period)