如何使row_number（）和quosures在R函数中一起工作？

Question

我有一个参与者内部设计的结果，其中包含有关每个试验的时间序列信息。我想重新调整一些置换测试的条件。不过我需要编写一个函数，这就是我遇到问题的地方。

我的数据看起来像这样：

library(tidyverse) 

sampel <- expand.grid(s0 = 1:5, r0 = 1:12)
sampel <- sampel %>% mutate(c0 = rep(c('A', 'B'), 30))

sampel <- sampel %>% 
  group_by(s0, c0, r0) %>% 
  nest() %>% 
  mutate(t0 = map(data, function(t) seq(1:8)), v0 = map(data, function(v) seq(from = 0, by = runif(1), length.out = 8))) %>% 
  unnest(cols = c(data, t0, v0)) %>% 
  ungroup() %>% 
  mutate(s0 = paste('s', s0, sep = ''))

head(sampel, n = 12)

（（如果您有任何指示，我将如何更好地显示此示例，我也将不胜感激）

因此，添加一些上下文是受试者内部研究的结果。 s0代表参与者，c0代表条件，r0代表试验编号（运行）。 t0是一个时间点，v0是该时间点的关注值。

我正在尝试重新调整参与者的条件

resampledSampel <- 
  sampel %>% 
  group_by(s0, r0, c0) %>% 
  nest() %>% 
  group_by(s0) %>% 
  mutate(c1 = c0[sample(row_number())])


resampledSampel %>% 
  head(n = 12)

这符合预期，但是当我尝试创建函数时：

resample_within <- function(df, subject, trial, condition) {

  subject <- enquo(subject)
  trial <- enquo(trial) 
  condition <- enquo(condition)

  resampled <- 
    df %>% 
    group_by(!!subject, !!trial, !!condition) %>%
    nest() %>% 
    group_by(!!subject) %>% 
    mutate(condition = !!condition[sample(row_number())]) %>% 
    unnest(data)
  return(resampled)

}

resample_within(sampel, s0, r0, c0) 

引发错误：

Error: row_number() should only be called in a data context
Run `rlang::last_error()` to see where the error occurred.
In addition: Warning message:
Subsetting quosures with `[` is deprecated as of rlang 0.4.0
Please use `quo_get_expr()` instead.
This warning is displayed once per session. 

知道如何在函数中使用mutate(condition = !!condition[sample(row_number())])吗？或者没有dplyr我怎么能做所有这一切（这使我意识到我可能对dplyr的依赖太多了……）

谢谢你。而且，同样，我也提前道歉，如果我提出问题的方式不理想（我也很乐意就如何更好地在堆栈交换中提出问题提出任何建议。例如，我似乎无法弄清楚如何显示问题）。数据结构）

Answer 1

非常好的第一个问题！

这实际上只是运算符优先级的问题。当您调用!!condition[sample(row_number())]时，它将被解释为!!(condition[sample(row_number())])，即您尝试对quosure进行子集化，然后应用双爆炸，但是您对[[mean (!!condition)[sample(row_number())]进行子集化，即您想对双爆炸的结果。因此，只需使用方括号固定评估顺序即可，它可以按预期工作：

resample_within <- function(df, subject, trial, condition) {

  subject <- enquo(subject)
  trial <- enquo(trial) 
  condition <- enquo(condition)

  resampled <- 
    df %>% 
    group_by(!!subject, !!trial, !!condition) %>%
    nest() %>% 
    group_by(!!subject) %>% 
    mutate(condition = (!!condition)[sample(row_number())]) %>% 
    unnest(data)
  return(resampled)

}

现在：
resample_within(sampel, s0, r0, c0) 
#> # A tibble: 480 x 6
#> # Groups:   s0 [5]
#>    s0       r0 c0       t0    v0 condition
#>    <chr> <int> <chr> <int> <dbl> <chr>    
#>  1 s1        1 A         1 0     B        
#>  2 s1        1 A         2 0.981 B        
#>  3 s1        1 A         3 1.96  B        
#>  4 s1        1 A         4 2.94  B        
#>  5 s1        1 A         5 3.93  B        
#>  6 s1        1 A         6 4.91  B        
#>  7 s1        1 A         7 5.89  B        
#>  8 s1        1 A         8 6.87  B        
#>  9 s2        1 B         1 0     A        
#> 10 s2        1 B         2 0.976 A        
#> # ... with 470 more rows

Answer 2

我们可以使用curl-curly（{{}}）运算符

library(dplyr)
library(tidyr)
resample_within <- function(df, subject, trial, condition) {



    df %>% 
    group_by({{subject}}, {{trial}}, {{condition}}) %>%
    nest() %>% 
    group_by({{subject}}) %>% 
    mutate(condition = ({{condition}})[sample(row_number())]) %>% 
    unnest(data)


}

resample_within(sampel, s0, r0, c0)