“Evaluation”（求值）是指执行代码并计算表达式的值的过程。

  1. 延迟求值：某些编程语言支持延迟求值（Lazy Evaluation），这意味着表达式的求值被推迟到其结果实际需要时才进行。

  2. 即时求值：与延迟求值相对的是即时求值（Eager Evaluation），在这种情况下，表达式尽可能早地被求值。

  3. 元编程：在元编程中，代码可以生成或操作其他代码，求值过程可以应用于这些动态生成的代码。

27.1 非标准求值

27.2 整洁求值

Tidy Evaluation (Tidy Eval) 是一个非标准评估的框架，也叫延迟评估。

  1. quasiquotation

  2. quosures

  3. data masking

Show the code

27.3 Quosure

Show the code
x <- mtcars$mpg
enquo(x)
#> <quosure>
#> expr: ^<dbl: 21, 21, 22.8, 21.4, 18.7, ...>
#> env:  empty
enquo(mtcars)
#> <quosure>
#> expr: ^<df[,11]>
#> env:  empty

mutate(mtcars,!!"cyl") %>% head()
mpg cyl disp hp drat wt qsec vs am gear carb “cyl”
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 cyl
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 cyl
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 cyl
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 cyl
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 cyl
Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 cyl
Show the code
grouped_mean <- function(data, summary_var, ...) {
  summary_var <- enquo(summary_var)
    group_var <- enquos(...)
 
  data %>%
    group_by(!!!group_var) %>%   ### 准引用  unquote-splice !!! ，发音为 bang-bang-bang，取消引用多个参数
    summarise(mean = mean(!!summary_var))
}

grouped_mean(mtcars, cyl, mpg)
mpg mean
10.4 8
13.3 8
14.3 8
14.7 8
15.0 8
15.2 8
15.5 8
15.8 8
16.4 8
17.3 8
17.8 6
18.1 6
18.7 8
19.2 7
19.7 6
21.0 6
21.4 5
21.5 4
22.8 4
24.4 4
26.0 4
27.3 4
30.4 4
32.4 4
33.9 4
Show the code
grouped_mean <- function(data, group_var, summary_var) {
  data %>%
    group_by({{group_var}}) %>%
    summarise(mean = mean({{summary_var}}))
}

grouped_mean(mtcars, cyl, mpg)
cyl mean
4 26.66364
6 19.74286
8 15.10000

27.4 Data masking

data masking

  • 环境变量(env-variables) ，一般你在Rstuido右上角的Environment中发现它。比如n <- 10这里的n

  • 数据变量(data-variables)，一般指数据框的某个变量。比如data <- data.frame(x = 1, n = 2)中的data$n

grouped_mean(mtcars, cyl, mpg)

cyl和mpg是打算传递的参数，是环境变量，但我们期望他们在函数中当作mtcars中的数据变量，即当做mtcars的一个列的名字来使用， 那么要完成这个角色转换，就需要引用(quote)和解引用(unquote)两个工序：

  • 第一步，用 enquo()把用户传递过来的参数引用起来

  • 第二步，用 !! 取消引用，然后使用参数的内容

这个quote-unquote的过程让环境变量名变成了数据变量，也可以理解为在函数评估过程中，数据变量（data-variable）遮盖了环境变量（env-variable），即数据遮盖（data masking），看到cyl，正常情况下，本来应该是到环境变量里去找这个cyl对应的值，然而，数据遮盖机制，插队了，让代码去数据变量中去找cyl以及对应的值。

我们通过rlang::qq_show()看看这个quote-unquote机制是怎么工作的

先看看qq_show()

Show the code
  group_var <-  quote(cyl)
summary_var <-  quote(mpg)
    
rlang::qq_show( 
    data %>%
    group_by(!!group_var) %>%
    summarise(mean = mean(!!summary_var))
)
#> data %>% group_by(cyl) %>% summarise(mean = mean(mpg))

27.5 名称注入

27.5.1 glue 语法

Show the code
name <- "susan" 
tibble("{name}" := 2)
susan
2

27.5.2 embracing 语法

Show the code
my_summarise4 <- function(data,by, expr) {   
    data %>% 
        summarise(     "mean_{{expr}}" := mean({{ expr }}),   #embracing拥抱 {{}}     
                       "sum_{{expr}}" := sum({{ expr }}), #拥抱变量会告诉 dplyr使用存储在参数中的值，而不是将参数作为文本变量名称     
                       "n_{{expr}}" := n(),   # 海象运算符（walrus） :=     
                       .by ={{by}}   ) }   

my_summarise4(mpg,by = cyl, expr = displ)
cyl mean_displ sum_displ n_displ
4 2.145679 173.8 81
6 3.408861 269.3 79
8 5.132857 359.3 70
5 2.500000 10.0 4

何时使用{{}}

  • Data-masking: arrange()filter()summarize() compute with variables

  • Tidy-selection：select()relocate()rename() select variables

Show the code
rr <- function(dt, oldName, newName) { 
 rename(dt, !!rlang::sym(newName) := !! rlang::sym(oldName))
      }

rr(dt = as_tibble(iris), oldName = 'Petal.Width', newName = 'petal') %>%
      head(., 2)
Sepal.Length Sepal.Width Petal.Length petal Species
5.1 3.5 1.4 0.2 setosa
4.9 3.0 1.4 0.2 setosa