Qual é o comportamento exato do dplyr se o usuário chamar select() em vez de filter() com uma expressão de filtro de linha?(Peguei vocês)

Question

dplyr deixa passar silenciosamente se um usuário ligar por engano select() em um tbl_df com uma expressão de filtro de linha, em vez de filter().

Como exatamente select() avalia uma expressão de filtro de linha (não deve ter sentido) e por que ela é avaliada como sempre VERDADEIRA?Em vez de FALSE, o que ajudaria a capturar o erro (e/ou gerar o aviso 'Aviso:select() recebeu expressão sem sentido'), ambos seriam um comportamento melhor?

require(dplyr)
set.seed(1234)
df <- tbl_df(data.frame(u=sample.int(3,10,replace=T), v=sample.int(4,10,replace=T)))

df %.% select(u!=3 & v>=3) # NONSENSE! silently passes all rows of df!

df %.% filter(u!=3 & v>=3) # CORRECT: filters only the 4 rows specified

u v
1 1 3
2 2 3
3 2 4
4 2 4    

u v
1  2 3
2  1 3
3  1 2
4  2 3
5  1 2
6  3 3
7  1 3
8  1 2
9  3 1
10 3 4

Answer 1

Você pode dar uma olhada na fonte código.

Para entender completamente o que está acontecendo, vamos fazer debug(select_vars_q) então corra df %.% select(u!=3 & v>=3).

As variáveis vars e args são

Browse[2]> vars
[1] "u" "v"
Browse[2]> args
[[1]]
u != 3 & v >= 3

A seguir, consideramos apenas as linhas que estão relacionadas a args.Por exemplo, na linha 107

debug: ind_list <- lapply(args, eval, env = select_env)
Browse[2]> lapply(args, eval, env = select_env)
[[1]]
[1] FALSE

Esta linha é usada quando args é starts_with, ends_with,...etc.(ver 67) e retornará o número do índice da variável com base em args.

No nosso caso, o valor retornado é FALSE qual é 0 (por que?desde 61 implica u=1 e v=2), portanto, não corresponde a nenhuma variável, então este linha irá garantir que todas as colunas serão retornadas quando nada for correspondido.

---

Para confirmar minha análise, vamos executar este comando confuso df %.% select(u=2), De acordo com a análise acima, ind_list vai ser 2, significa que a coluna 2 será retornada.E o resultado:

> df %.% select(u=2)
Source: local data frame [10 x 1]

   u
1  3
2  3
3  2
4  4
5  2
6  4
7  2
8  2
9  1
10 1

Sim, é a 2ª coluna.!

Em resumo, se o argumento de select não for starts_with, ends_with...etc, e quando o argumento for um número (ou puder ser avaliado como um número), esse número será interpretado como o número da coluna.

Por exemplo, df %.% select(1) retorna a primeira coluna e df %.% select(2) retorna a 2ª coluna.