dplyr 用动态列进行总结

我正在尝试对我的 postgres 数据库使用 dplyr 并执行一个简单的函数。 如果我直接解析列名，一切都会正常，但是我想动态地执行此操作（即对另一个数据帧中的每个列名进行排序）

我遇到的问题是对于前两个计算，我得到了正确的结果

假设第一个动态列称为“id”

pull_table %>%
    summarise(
        row_count = n(), 
        distinct_count = n_distinct(var) , 
        distinct_count_minus_blank = n_distinct(ifelse(var=="",NA,var)), 
        maxvalue = max(var), 
        minvalue = min(var), 
        maxlength = max(length(var)), 
        minlen = min(length(var))
    )  %>% 
    show_query()

当你看到 sql 时，我得到的错误结果是显而易见的 - 有时 id 周围有 '' 所以它作为字符串计算：

<SQL>
SELECT 
    COUNT(*) AS "row_count", 
    COUNT(DISTINCT id) AS "distinct_count", 
    COUNT(
        DISTINCT CASE 
            WHEN ('id' = '') THEN (NULL) 
            WHEN NOT('id' = '') THEN ('id') 
        END) AS "distinct_count_minus_blank", 
    MAX('id') AS "maxvalue", 
    MIN('id') AS "minvalue", 
    MAX(LENGTH('id')) AS "maxlength", 
    MIN(LENGTH('id')) AS "minlen"
FROM "table"

从这个输出中您可以看到，有时计算发生在列上，但有时只发生在字符串“id”上。这是为什么？如何修复它，以便它根据实际列而不是字符串进行计算？

我认为你应该看看rlang::sym（这是由进口dplyr).

假设pull_table是一个数据框，包括id, some_numeric_variable and some_character_variable列，你可以这样写：

xx = sym("id")
yy = sym("some_numeric_variable")
ww = sym("some_character_variable")
pull_table %>%
    summarise(
        row_count = n(), 
        distinct_count = n_distinct(!!xx) , 
        distinct_count_minus_blank = n_distinct(ifelse(var=="", NA, !!xx)), 
        maxvalue = max(!!yy ), 
        minvalue = min(!!yy ), 
        maxlength = max(length(!!ww)), 
        minlen = min(length(!!ww))
    )

The sym()函数转astring变量变为name，可以在 dplyr 函数内使用以下命令取消引用!!操作员。如果您想了解更多信息，请查看准引用文档 https://rlang.r-lib.org/reference/quasiquotation.html or 这本教程 https://cran.r-project.org/package=dplyr/vignettes/programming.html.

不幸的是，由于我没有任何tbl_sql手头的，我无法测试它show_query.

附带建议：永远不要将变量命名为“var”var也是方差函数。我多次把头发扯下来，只是因为这弄乱了一些包或自定义功能。