代码之家 › 专栏 › 技术社区 › Shawn Hemelstrand

为什么我的自定义errorbar函数不能在R中工作?

visualization ggplot2 function dataframe r

1

Shawn Hemelstrand · 技术社区 · 2 年前

我尝试了一个函数,根据分组因子和如下定义的数值快速生成误差条:

#### Function ####
quick.error <- function(data,x,y){
  d <- data
  plot.d <- d %>%
    mutate(x = as.factor(x)) %>% 
    group_by(x) %>%
    summarise(
      sd = sd(y, na.rm = TRUE),
      mean = mean(y, na.rm=TRUE)
    ) %>% 
    ggplot(aes(x, 
               mean,
               fill=x)) +
    geom_col(color = "black") +
    geom_errorbar(aes(ymin = mean-sd,
                      ymax = mean+sd),
                  width = 0.2) +
    theme(legend.position = "none")
  return(plot.d)
}

然而,当我尝试使用 iris 数据集:

#### Test ####
quick.error(data=iris,
            x=Species,
            y=Petal.Length)

这给了我一个错误:

Error in `mutate()`:
! Problem while computing `x = as.factor(x)`.
Caused by error in `is.factor()`:
! object 'Species' not found

使用显式运行它 $ 操作员给了我一个不同的问题:

#### Test ####
quick.error(data=iris,
            x=iris$Species,
            y=iris$Petal.Length)

正如你在这里看到的,它使所有的条都相同,我想是因为它没有像它应该的那样对平均值进行分组:

如何解决此问题?

2 回复 | 直到 2 年前

1

4

Limey 2 年前

正如我在评论中指出的,这是一个典型的非标准评估问题。这是一个修改过的函数,我相信它能满足你的需求。

quick.error <- function(data,x,y){
  d <- data
  plot.d <- d %>%
    mutate({{ x }} := as.factor({{ x }})) %>% 
    group_by({{ x }}) %>%
    summarise(
      sd = sd({{ y }}, na.rm = TRUE),
      mean = mean({{ y }}, na.rm=TRUE)
    ) %>% 
    ggplot(aes({{ x }}, 
               mean,
               fill={{ x }})) +
    geom_col(color = "black") +
    geom_errorbar(aes(ymin = mean-sd,
                      ymax = mean+sd),
                  width = 0.2) +
    theme(legend.position = "none")
  return(plot.d)
}

quick.error(data=iris,
            x=Species,
            y=Petal.Length)

2

stefan 2 年前

将未加引号的列名传递给函数

…需要使用拥抱运算符{{或在更复杂的情况下,使用注入运算符!!进行注入!!。

有关更多信息,请参见例如。 this vignette .

因此,可以通过包装使函数工作 x 和 y 在函数内部 {{ :

quick.error <- function(data, x, y) {
  d <- data
  plot.d <- d %>%
    mutate(x = as.factor({{ x }})) %>%
    group_by(x) %>%
    summarise(
      sd = sd({{ y }}, na.rm = TRUE),
      mean = mean({{ y }}, na.rm = TRUE)
    ) %>%
    ggplot(aes(x,
      mean,
      fill = x
    )) +
    geom_col(color = "black") +
    geom_errorbar(aes(
      ymin = mean - sd,
      ymax = mean + sd
    ),
    width = 0.2
    ) +
    theme(legend.position = "none")

  return(plot.d)
}

library(ggplot2)
library(dplyr)

quick.error(
  data = iris,
  x = Species,
  y = Petal.Length
)