经过大量的尝试和错误之后，我发现模式UQ(rlang::sym(“这里有一些字符串”))对于处理字符串和dplyr动词非常有用。它似乎在很多令人惊讶的情况下都起作用。

这是一个关于变异的例子。我们想要创建一个将两个列相加的函数，将两个列名作为字符串传递给函数。我们可以使用此模式和赋值操作符:=来完成此操作。

## Take column `name1`, add it to column `name2`, and call the result `new_name`
mutate_values <- function(new_name, name1, name2){
  mtcars %>% 
    mutate(UQ(rlang::sym(new_name)) :=  UQ(rlang::sym(name1)) +  UQ(rlang::sym(name2)))
}
mutate_values('test', 'mpg', 'cyl')

该模式也适用于其他dplyr函数。过滤器:

## filter a column by a value 
filter_values <- function(name, value){
  mtcars %>% 
    filter(UQ(rlang::sym(name)) != value)
}
filter_values('gear', 4)

或安排:

## transform a variable and then sort by it 
arrange_values <- function(name, transform){
  mtcars %>% 
    arrange(UQ(rlang::sym(name)) %>%  UQ(rlang::sym(transform)))
}
arrange_values('mpg', 'sin')

对于select，您不需要使用模式。相反，你可以使用!!：

## select a column 
select_name <- function(name){
  mtcars %>% 
    select(!!name)
}
select_name('mpg')

在dplyr的新版本(0.6.0将于2017年4月发布)中，我们还可以执行赋值操作(:=)，并通过取消引号(!!)将变量作为列名传递，从而不计算它

 library(dplyr)
 multipetalN <- function(df, n){
      varname <- paste0("petal.", n)
      df %>%
         mutate(!!varname := Petal.Width * n)
 }

 data(iris)
 iris1 <- tbl_df(iris)
 iris2 <- tbl_df(iris)
 for(i in 2:5) {
     iris2 <- multipetalN(df=iris2, n=i)
 }   

根据应用在'iris1'上的@MrFlick的多瓣检查输出

identical(iris1, iris2)
#[1] TRUE

虽然我喜欢将dplyr用于交互用途，但我发现使用dplyr来实现这一点非常棘手，因为您必须通过圆环来使用lazyeval::interp()、setNames等变通方法。

下面是一个使用基R的更简单的版本，至少对我来说，将循环放在函数内部似乎更直观，并且扩展了@MrFlicks的解决方案。

multipetal <- function(df, n) {
   for (i in 1:n){
      varname <- paste("petal", i , sep=".")
      df[[varname]] <- with(df, Petal.Width * i)
   }
   df
}
multipetal(iris, 3) 

由于动态地将变量名构建为字符值，因此使用标准data.frame索引(允许为列名提供字符值)进行赋值更有意义。例如:

multipetal <- function(df, n) {
    varname <- paste("petal", n , sep=".")
    df[[varname]] <- with(df, Petal.Width * n)
    df
}

mutate函数使得通过命名参数命名新列变得非常容易。但这假设您在键入命令时知道名称。如果希望动态指定列名，则还需要构建named参数。

双版本>= 1.0

在最新的dplyr版本中，您可以在使用:=命名参数时使用glue包中的语法。因此，这里名称中的{}通过计算其中的表达式来获取值。

multipetal <- function(df, n) {
  mutate(df, "petal.{n}" := Petal.Width * n)
}

如果要向函数传递列名，可以在字符串中使用{{}}，也可以在列名中使用{{}}

meanofcol <- function(df, col) {
  mutate(df, "Mean of {{col}}" := mean({{col}}))
}
meanofcol(iris, Petal.Width)

dpoyr版本

从0.7版开始，Dplyr允许您使用:=来动态分配参数名。你可以这样写你的函数:

# --- dplyr version 0.7+---
multipetal <- function(df, n) {
    varname <- paste("petal", n , sep=".")
    mutate(df, !!varname := Petal.Width * n)
}

有关更多信息，请参阅从vignette(“programming”，“dplyr”)中获得的文档。

dplyr (>=0.3 & <0.7)

稍早一些的dplyr版本(>=0.3 <0.7)鼓励使用“标准求值”替代许多函数。有关更多信息，请参阅非标准评估小插图(小插图(“nse”))。

所以在这里，答案是使用mutate_()而不是mutate()，并执行:

# --- dplyr version 0.3-0.5---
multipetal <- function(df, n) {
    varname <- paste("petal", n , sep=".")
    varval <- lazyeval::interp(~Petal.Width * n, n=n)
    mutate_(df, .dots= setNames(list(varval), varname))
}

双工< 0.3

注意，在最初提出问题时存在的旧版本的dplyr中也可能存在这种情况。它需要小心使用quote和setName:

# --- dplyr versions < 0.3 ---
multipetal <- function(df, n) {
    varname <- paste("petal", n , sep=".")
    pp <- c(quote(df), setNames(list(quote(Petal.Width * n)), varname))
    do.call("mutate", pp)
}

你可能会喜欢package friendlyeval，它为新用户提供了一个简化的整洁的eval API和文档。

您正在创建希望更改为列名的字符串。所以使用friendlyeval你可以这样写:

multipetal <- function(df, n) {
  varname <- paste("petal", n , sep=".")
  df <- mutate(df, !!treat_string_as_col(varname) := Petal.Width * n)
  df
}

for(i in 2:5) {
  iris <- multipetal(df=iris, n=i)
}

它在底层调用rlang函数，检查varname作为列名是否合法。

friendlyeval代码可以在任何时候通过RStudio插件转换为同等的简单整洁的eval代码。

经过大量的尝试和错误之后，我发现模式UQ(rlang::sym(“这里有一些字符串”))对于处理字符串和dplyr动词非常有用。它似乎在很多令人惊讶的情况下都起作用。

这是一个关于变异的例子。我们想要创建一个将两个列相加的函数，将两个列名作为字符串传递给函数。我们可以使用此模式和赋值操作符:=来完成此操作。

## Take column `name1`, add it to column `name2`, and call the result `new_name`
mutate_values <- function(new_name, name1, name2){
  mtcars %>% 
    mutate(UQ(rlang::sym(new_name)) :=  UQ(rlang::sym(name1)) +  UQ(rlang::sym(name2)))
}
mutate_values('test', 'mpg', 'cyl')

该模式也适用于其他dplyr函数。过滤器:

## filter a column by a value 
filter_values <- function(name, value){
  mtcars %>% 
    filter(UQ(rlang::sym(name)) != value)
}
filter_values('gear', 4)

或安排:

## transform a variable and then sort by it 
arrange_values <- function(name, transform){
  mtcars %>% 
    arrange(UQ(rlang::sym(name)) %>%  UQ(rlang::sym(transform)))
}
arrange_values('mpg', 'sin')

对于select，您不需要使用模式。相反，你可以使用!!：

## select a column 
select_name <- function(name){
  mtcars %>% 
    select(!!name)
}
select_name('mpg')