Eu estou tentando entender o conceito de NSE em R. Num primeiro momento, tentei replicar a função select() do dplyr e subset() do R base (ou, o vetor de subset [, mais comumente usado).
Considere estas duas funções (f_1 e f_2):
f_1 <- function(dados, mudar) {
changed <- substitute(expr = mudar) # parse tree
avaliar <- eval(expr = changed, envir = dados) # quero avaliar a expressão "changed" dentro do ambiente "dados"
dados[,avaliar] # o que quero fazer
}
f_2 <- function(dados, mudar) {
dados[,mudar] # o que quero fazer
}
Elas funcionam de forma semelhante à função select do dplyr, subset do base e ao operador de subset ([).
O que ocorre é que f_1() tem o mesmo comportamento de f_2(). Pra mim f_1 é que deveria funcionar, não f_2().
Então, quais as diferenças entre f_1() e f_2() e como f1() se relaciona com o conceito de Non-standard evaluation em R?
Eu não sei se estou fazendo alguma coisa errada, mas nenhuma das duas está funcionando pra mim. Será que você pode passar um exemplo de execução das duas funções, talvez com reprex? No meu computador, o objeto avaliar de f_1() traz a coluna corretamente, mas passar isso para [ quebra tudo. Remover a linha dados[,avaliar] de f_1() resolve o problema. Já f_2() (como você mesmo previu), não funciona mesmo.
Oi, Caio. Obrigado por responder. Peço perdão por não fornecer os dados, eu me esqueci. Aqui estão:
for (i in 1:6) {
assign(
x = paste(
"var", i, sep = "_"
),
value = runif(
n = 30, min = 20, max = 100
)
)
}
df_1 <- do.call(what = cbind.data.frame, args = mget(x = ls(pattern = "*var")))
Agora entendi. Ambos os código estão certos, é só que o jeito como você está usando eles faz com que o NSE seja desnecessário, por isso a f_2() funciona. Vamos por partes:
NSE é útil quando queremos usar o nome de um objeto que não existe no ambiente global. Por exemplo, no dplyr nós usamos os nomes das colunas como elas existissem fora da tabela. Veja o código abaixo.
# Objeto `mpg` não existe
mean(mpg)
#> Error in mean(mpg): object 'mpg' not found
# Mas aqui ele existe, por causa da NSE
dplyr::summarise(mtcars, media = mean(mpg))
#> media
#> 1 20.09062
Note que o seu exemplo não usa o nome de nenhuma coluna! Você está usando um índice, que não depende do ambiente para funcionar. Para entender isso, veja os dois cenários abaixo.
# Onde NSE seria útil -----------------------------------------------
# Não existe
mpg
#> Error in eval(expr, envir, enclos): object 'mpg' not found
# Capturar a expressão (dentro de uma função usaríamos substitute())
changed <- expression(mpg)
print(changed)
#> expression(mpg)
# Dentro de mtcars, `mpg` existe e o valor dele é a coluna
eval(expr = changed, envir = mtcars)
#> [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4
#> [16] 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7
#> [31] 15.0 21.4
# O que você está fazendo -------------------------------------------
# Já existe
3
#> [1] 3
# Capturar a expressão (dentro de uma função usaríamos substitute())
changed <- expression(3)
print(changed)
#> expression(3)
# Dentro de mtcars, 3 continua valendo 3. Nada muda!
eval(expr = changed, envir = mtcars)
#> [1] 3
Respondendo a sua pergunta, ambas as suas funções funcionam porque, no fundo, você não precisaria estar usando NSE. Ao escolher trabalhar com índices numéricos, eval() simplesmente vai retornar a mesma coisa que sem o eval(). Um cenário em que f_1() funciona e f_2() não funciona ocorre se replicarmos o exemplo que eu dei na resposta anterior.
P.S.: Não estou escrevendo isso na minha resposta principal para não poluir o conteúdo, mas tenho dois comentários extras bem importantes.
Ao que parece, você está lendo a versão desatualizada do Advanced R. A versão mais recente tem exemplos melhores, mais completos e mais claros: Introduction | Advanced R
Eu não sei onde você viu esse código para criar uma base exemplo, mas eu recomendo fortemente que você não use assign() e mget() dessa forma. O problema é igual ao do attach(): com essas funções, você está criando objetos implicitamente, o que pode gerar problemas significativos para o seu ambiente e para o de outras pessoas. Por exemplo, se eu tivesse um objeto var_1 na minha sessão do R, o seu código ia ter sobrescrito ele sem nenhum alerta; adicionalmente, se eu tivesse um objeto var_7 na minha sessão, o seu código ia tentar colocar ele no data frame sem pensar duas vezes. Eu sugiro duas alternativas:
Usar uma base exemplo conhecida, como mtcars. Ela já vem embutida no R e funciona perfeitamente para o seu caso de uso.
Criar uma base de forma reprodutível e que não afete o ambiente global silenciosamente. Abaixo eu trago um exemplo de como eu reproduziria o seu código sem o assign() e o mget(). Fiz questão de não usar tidyverse assim como você, mas seria ainda mais fácil se pudéssemos usar o purrr.
Opa, Caio. Muitíssimo obrigado. Na verdade eu acho que o exemplo do livro que usei como referência induz ao erro ao usar o subset ([) dentro da função. Aí eu coloquei o índice e fiquei confuso quando ambas - f_1() e f_2() - retornaram a mesma coisa.
Agora sei que o NSE é aplicável apenas em nomes. E também agradeço as dicas sobre assign e mget, muito úteis.
Nota
Só uma curiosidade, Caio. Então o NSE nada mais é do que uma fábrica de acúcares sintáticos (syntax sugar), como a função with e within presentes no R?