¿Por qué es enquo+!! preferible sustituir+eval

dplyr nse

Question

En el siguiente ejemplo, ¿por qué deberíamos favorecer el uso de f1 sobre f2 ? ¿Es más eficiente en algún sentido? Para alguien que solía usar R, parece más natural usar la opción "substituir + eval".

library(dplyr)
d = data.frame(x = 1:5,
y = rnorm(5))
# using enquo + !!
f1 = function(mydata, myvar) {
m = enquo(myvar)
mydata %>%
mutate(two_y = 2 * !!m)
}
# using substitute + eval
f2 = function(mydata, myvar) {
m = substitute(myvar)
mydata %>%
mutate(two_y = 2 * eval(m))
}
all.equal(d %>% f1(y), d %>% f2(y)) # TRUE

En otras palabras, y más allá de este ejemplo en particular, mi pregunta es: ¿puedo salir dplyr con la programación usando las funciones dplyr NSE con una buena base ol como sustituto + eval, o realmente necesito aprender a amar todas esas funciones de rlang porque? ¿Hay algún beneficio (velocidad, claridad, composición, ...)?

Answer 1

Imagina que hay una x diferente que quieres multiplicar:

> x <- 3
> f1(d, !!x)
x y two_y
1 1 -2.488894875 6
2 2 -1.133517746 6
3 3 -1.024834108 6
4 4 0.730537366 6
5 5 -1.325431756 6

vs sin el !! :

> f1(d, x)
x y two_y
1 1 -2.488894875 2
2 2 -1.133517746 4
3 3 -1.024834108 6
4 4 0.730537366 8
5 5 -1.325431756 10

!! le da más control sobre el alcance que sobre el substitute ; con el sustituto, solo puede obtener la 2ª forma fácilmente.

Answer 2

Quiero dar una respuesta que sea independiente de dplyr , porque hay una ventaja muy clara de usar enquo sobre substitute . Ambos buscan en el entorno de llamada de una función para identificar la expresión que se le dio a esa función. La diferencia es que el substitute() hace solo una vez, mientras que !!enquo() recorrerá correctamente toda la pila de llamadas.

Considere una función simple que usa substitute() :

f <- function( myExpr ) {
eval( substitute(myExpr), list(a=2, b=3) )
}
f(a+b) # 5
f(a*b) # 6

Esta funcionalidad se interrumpe cuando la llamada se anida dentro de otra función:

g <- function( myExpr ) {
val <- f( substitute(myExpr) )
## Do some stuff
val
}
g(a+b)
# myExpr <-- OOPS

Ahora considere las mismas funciones reescritas usando enquo() :

library( rlang )
f2 <- function( myExpr ) {
eval_tidy( enquo(myExpr), list(a=2, b=3) )
}
g2 <- function( myExpr ) {
val <- f2( !!enquo(myExpr) )
val
}
g2( a+b ) # 5
g2( b/a ) # 1.5

Y es por eso que enquo() + !! Es preferible substitute() + eval() .

dplyr simplemente aprovecha al máximo esta propiedad para crear un conjunto coherente de funciones NSE.

Answer 3

enquo() y !! también le permite programar con otros verbos group_by como group_by y select . No estoy seguro si substitute y eval pueden hacer eso. Eche un vistazo a este ejemplo donde modifico un poco su marco de datos.

library(dplyr)
set.seed(1234)
d = data.frame(x = c(1, 1, 2, 2, 3),
y = rnorm(5),
z = runif(5))
# select, group_by & create a new output name based on input supplied
my_summarise <- function(df, group_var, select_var) {
group_var <- enquo(group_var)
select_var <- enquo(select_var)
# create new name
mean_name <- paste0("mean_", quo_name(select_var))
df %>%
select(!!select_var, !!group_var) %>%
group_by(!!group_var) %>%
summarise(!!mean_name := mean(!!select_var))
}
my_summarise(d, x, z)
# A tibble: 3 x 2
x mean_z
<dbl> <dbl>
1 1. 0.619
2 2. 0.603
3 3. 0.292

Edición: también enquos & !!! Facilita la captura de lista de variables.

# example
grouping_vars <- quos(x, y)
d %>%
group_by(!!!grouping_vars) %>%
summarise(mean_z = mean(z))
# A tibble: 5 x 3
# Groups: x [?]
x y mean_z
<dbl> <dbl> <dbl>
1 1. -1.21 0.694
2 1. 0.277 0.545
3 2. -2.35 0.923
4 2. 1.08 0.283
5 3. 0.429 0.292
# in a function
my_summarise2 <- function(df, select_var, ...) {
group_var <- enquos(...)
select_var <- enquo(select_var)
# create new name
mean_name <- paste0("mean_", quo_name(select_var))
df %>%
select(!!select_var, !!!group_var) %>%
group_by(!!!group_var) %>%
summarise(!!mean_name := mean(!!select_var))
}
my_summarise2(d, z, x, y)
# A tibble: 5 x 3
# Groups: x [?]
x y mean_z
<dbl> <dbl> <dbl>
1 1. -1.21 0.694
2 1. 0.277 0.545
3 2. -2.35 0.923
4 2. 1.08 0.283
5 3. 0.429 0.292

Crédito: Programación con dplyr.