为什么是enquo+！！最好替换+评估

在下面的例子中，为什么我们应该赞成使用f1 over f2？从某种意义上说，它是否更高效？对于习惯使用 R 基础的人来说，使用“substitute + eval”选项似乎更自然。

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

换句话说，除了这个特定的例子之外，我的问题是：我可以使用dplyrNSE 具有良好的基础 R 功能，例如替代+评估，或者我真的需要学会喜欢所有这些rlang之所以起作用，是因为它有好处（速度、清晰度、组合性……）？

我想给出一个独立的答案dplyr，因为使用有一个非常明显的优势enquo over substitute。两者都在函数的调用环境中查找以识别赋予该函数的表达式。不同之处在于substitute()只执行一次，同时!!enquo()将正确地遍历整个调用堆栈。

考虑一个简单的函数，它使用substitute():

f <- function( myExpr ) {
  eval( substitute(myExpr), list(a=2, b=3) )
}

f(a+b)   # 5
f(a*b)   # 6

当调用嵌套在另一个函数中时，此功能会中断：

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

g(a+b)
# myExpr     <-- OOPS

现在考虑使用重写相同的函数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

这就是为什么enquo() + !!优于substitute() + eval(). dplyr只是充分利用这一特性来构建一组连贯的 NSE 函数。

UPDATE: rlang 0.4.0引入了一个新的运算符{{（发音为“curly curly”），这实际上是!!enquo()。这使我们能够简化定义g2 to

g2 <- function( myExpr ) {
  val <- f2( {{myExpr}} )
  val
}