管道内部有n_distinct的意外行为

Question

我试图在函数的管道中使用DPLYR中的N_DISTINCT函数，html" target="_blank">并发现它对我的语法选择非常敏感，这是我没有想到的。这里有一个玩具的例子。

# preliminaries
library(tidyverse)
set.seed(123)
X <- data.frame(a1 = rnorm(10), a2 = rnorm(10), b = rep(LETTERS[1:5], times = 2), stringsAsFactors = FALSE)
print(X)
            a1         a2 b
1  -0.56047565  1.2240818 A
2  -0.23017749  0.3598138 B
3   1.55870831  0.4007715 C
4   0.07050839  0.1106827 D
5   0.12928774 -0.5558411 E
6   1.71506499  1.7869131 A
7   0.46091621  0.4978505 B
8  -1.26506123 -1.9666172 C
9  -0.68685285  0.7013559 D
10 -0.44566197 -0.4727914 E

好的，现在让我们假设我想在数据帧中选定列的名称上迭代一个函数（幽默一下）。在这里，我将使用选定列中的值来过滤初始数据集，计算剩余的唯一ID的数量，并将结果作为一行tibble返回，然后将其绑定到新的tibble中。当我在函数中创建一个新的tibble，然后将N_DISTINCT应用于该tibble中的选定列作为它自己的步骤时，我将从N_DISTINCT、5和4得到预期的结果。

bind_rows(map(str_subset(colnames(X), "a"), function(i) {

  subdf <- filter(X, !!sym(i) > 0)

  value <- n_distinct(subdf$b)

  tibble(y = i, n_uniq = value)

}))

# A tibble: 2 x 2
  y     n_uniq
  <chr>  <int>
1 a1         5
2 a2         4

但是，如果我将n_distince放在管道中，并使用.引用筛选后的tibble，则代码会执行，但得到的结果不同且不正确。

bind_rows(map(str_subset(colnames(X), "a"), function(i) {

  value <- filter(X, !!sym(i) > 0) %>% n_distinct(.$b)

  tibble(y = i, n_uniq = value)

}))

# A tibble: 2 x 2
  y     n_uniq
  <chr>  <int>
1 a1         5
2 a2         7

这是怎么回事？我是否误解了在管道中使用.？n_distince有什么奇怪的地方吗？

Answer 1

N_DISTINCT接受多个参数，在这里您实际上同时传递了tibble和b列作为参数，因为默认情况下传递的是pipe的左侧。下面是一些获得预期输出的其他方法：

filter(X, !!sym(i) > 0) %>% 
  {n_distinct(.$b)}

filter(X, !!sym(i) > 0) %>% 
  with(n_distinct(b))

library(magrittr)

filter(X, !!sym(i) > 0) %$% 
  n_distinct(b)

另外，与你的问题没有直接关系的是，这类事情有一个方便的功能

map_dfr(str_subset(colnames(X), "a"), function(i) {

  value <- filter(X, !!sym(i) > 0) %>% {n_distinct(.$b)}

  tibble(y = i, n_uniq = value)

})