使用带逗号的as.formula函数

Question

我希望能够从用户动态地获取条件，因此我创建了一个闪亮的应用程序，从输入字段中获取它们。问题在于，对于带有逗号的字符向量，as.formula 无法正常工作（没有逗号时可以正常工作）。

代码：

all_conditions = 
  "condition1 ~ 0,
   condition2 ~ 1,
   condition3 ~ 2"

 my_dataset %>% group_by(id) %>%
  summarise(FLAG = case_when(
      as.formula(all_conditions) )
   )

我得到的错误信息如下：

评估错误：：2:100：意外的“，”

我尝试使用“paste”并转义逗号，但是没有成功。

- InterruptedException

---

我不知道你想做什么。我认为你需要提供一些数据示例才能得到答案。编辑问题并添加一些样本数据。你考虑过使用 ifelse() 和 normal R operators 吗？！除了代码转换之外，我不看到在这里使用 dplyr 的任何理由。它会减慢你的速度，在这种情况下还会产生不必要的问题。 - 5th

移除了闪亮标签，... - Tonio Liebrand

这是一个在使用Shiny时可能会发生的问题（将文本输入作为命令的一部分）。在我看来，这个标签是相关的。 - moodymudskipper

Answer 1

你收集输入的方式不太实用。你的问题在于你试图解析这样的代码：

var1, var2, var3

试着在你的 R 控制台中输入这个命令，你会得到相同的错误信息：

#> Error: unexpected ',' in "var1,"

首先，重构你的代码，以便将输入作为两个向量收集：

cnds <- c("condition1", "condition2", "condition3")
vals <- c("1", "2", "3")

现在你有两种选择将这些字符串转换为R代码：解析或创建符号。当你期望任意的R代码时，使用前者；当你期望变量或列名时，使用后者。你能发现它们之间的区别吗？

rlang::parse_exprs(c("foo", "bar()", "100"))
#> [[1]]
#> foo
#>
#> [[2]]
#> bar()
#>
#> [[3]]
#> [1] 100

rlang::syms(c("foo", "bar()", "100"))
#> [[1]]
#> foo
#>
#> [[2]]
#> `bar()`
#>
#> [[3]]
#> `100`

在您的情况下，您可能需要解析，因为条件将是R代码。因此，让我们从解析两个向量开始：

cnds <- map(cnds, rlang::parse_expr)
vals <- map(vals, rlang::parse_expr)

我正在映射parse_expr()而非使用复数形式的parse_exprs()，因为后者可能返回的列表比其输入更长。例如，parse_exprs(c("foo; bar", "baz; bam"))将2个字符串转换为4个表达式的列表。parse_expr()如果一个字符串包含多个表达式则会返回错误，因此在我们的情况下更加健壮。

现在，我们可以映射这两个LHS和RHS的列表并创建公式。一种简单的方法是使用引用语法通过取消引用每个LHS及其相应的RHS来创建公式：

fs <- map2(cnds, vals, function(c, v) rlang::expr(!!c ~ !!v))

结果是一个公式表达式列表，可以直接拼接到case_when()函数中：

data %>% mutate(result = case_when(!!!fs))

使用rlang::qq_show()命令查看splice-unquoting的实际操作：

rlang::qq_show(mutate(result = case_when(!!!fs)))
#> mutate(result = case_when(condition1 ~ 1, condition2 ~2, condition3 ~ 3))

- Lionel Henry

Answer 2

借鉴@phiver的例子，您可以这样做：

conditions <- "gear == 3 ~ 0, gear == 4 ~ 1, TRUE ~ 2"
mtcars %>% group_by(vs) %>% 
  mutate(FLAG = eval(parse(text=sprintf("case_when(%s)",conditions))))
# # A tibble: 32 x 12
# # Groups:   vs [2]
#      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb  FLAG
#    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#  1  21.0     6 160.0   110  3.90 2.620 16.46     0     1     4     4     1
#  2  21.0     6 160.0   110  3.90 2.875 17.02     0     1     4     4     1
#  3  22.8     4 108.0    93  3.85 2.320 18.61     1     1     4     1     1
#  4  21.4     6 258.0   110  3.08 3.215 19.44     1     0     3     1     0
#  5  18.7     8 360.0   175  3.15 3.440 17.02     0     0     3     2     0
#  6  18.1     6 225.0   105  2.76 3.460 20.22     1     0     3     1     0
#  7  14.3     8 360.0   245  3.21 3.570 15.84     0     0     3     4     0
#  8  24.4     4 146.7    62  3.69 3.190 20.00     1     0     4     2     1
#  9  22.8     4 140.8    95  3.92 3.150 22.90     1     0     4     2     1
# 10  19.2     6 167.6   123  3.92 3.440 18.30     1     0     4     4     1

这里的想法是你无法单独评估字符串，因为它本身不是正确的语法，所以我们必须先构建一个正确的调用（这里使用sprintf），然后才能实时评估它（这样它就在正确的环境中被评估，而不需要进一步的技巧）。

- moodymudskipper

---

谢谢！这是一个我没有想到的有用的不同视角。 - InterruptedException

Answer 3

你需要将每个条件放在列表中，并使用quosures和quasiquotation（！！！）使其正常工作。我将使用mtcars作为示例，按照您的代码示例进行操作。

library(dplyr)
# create list of quosures
conditions <- list(quo(gear == 3 ~ 0), 
     quo(gear == 4 ~ 1),
     quo(TRUE ~ 2))


mtcars %>% group_by(vs) %>% 
  mutate(FLAG = case_when(!!! conditions)) # quasiquotation using !!! to splice the list
# A tibble: 32 x 12
# Groups:   vs [2]
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb  FLAG
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4     1
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4     1
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1     1
 4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1     0
 5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2     0
 6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1     0
 7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4     0
 8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2     1
 9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2     1
10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4     1
# ... with 22 more rows

- phiver

---

据我理解，OP必须从一个字符串开始作为他的shiny应用程序中的用户输入字段。 - moodymudskipper