非标准评估：对*编程*（不是交互式 R）有什么好处？

Question

我不明白 R 中NSE（非标准评估）对于编程的成本效益。我可以理解为什么 NSE 对于 interactive R 可能很有用，但对于编程——即编写可重用的脚本和函数——我的经验是，它主要增加了歧义、混乱和调试时间，只是为了节省一些用户击键。

在我见过的几乎所有案例中，包括整个Advanced R中的案例，NSE 似乎可以通过添加更多内容来避免：

• df$x

  或

  df[[x]]

• “引言”
• 显式和/或内联函数

• do.call

具有明显的好处。明确性

有人可以提供一些令人信服的例子来说明 NSE 何时/为何对于 R 中的编程有用？

有关 NSE 未记录危险的相关帖子。

Answer 1

我不知道是否存在一个绝对令人信服的不可避免的 NSE 代码示例，就您所描述的术语而言（最终这是个人观点），但我将引用

data.table

最常用的 R 包之一的小插图“data.table 上的编程”：

...从其第一个版本开始，就启用了

subset

和

with

（或

within

）函数...这对于减少代码重复、增强可读性以及减少用户必须输入的字符总数非常有用...

这种接口的问题是我们无法轻松地参数化使用它的代码。这是因为传递给这些函数的表达式在计算之前已被替换。最简单的解决方法是首先避免惰性评估，然后退回到不太直观、更容易出错的方法，例如

df[["variable"]]

等。

因此，NSE 的一些主要好处是提高了可读性和可维护性，而不仅仅是节省击键次数。此外，虽然有时您可能会遇到不易调试的代码，但无 NSE 方法也确实容易出错。

这里是在线小插图： https://rdatatable.gitlab.io/data.table/articles/datatable-programming.html

这里是源永久链接： https://github.com/Rdatatable/data.table/blob/88039186915028ab3c93ccfd8e22c0d1c3534b1a/vignettes/datatable-programming.Rmd