R语言 非标准化求值（Non-standard evaluation， NSE）

R语言 非标准化求值（Non-standard evaluation， NSE）

非标准化求值（Non-standard evaluation， NSE）在R语言中起着重要的作用，在交互式数据操作中可以简化操作。Hadley Wickham大神的ggplot2,dplyr,plyr 等神器均用到了NSE,但是理解起来比较困难,我们这里做简单介绍.
先来简单认识一下几个函数。

substitute

我们在R终端键入的任何有效语句都是表达式，但这些表达式在输入后即被求值（evaluate）了，获得未经求值的纯粹“表达式”就要使用函数。这样的函数有expression、quote、bquote和substitute这几个常用函数，可以参考
http://developer.51cto.com/art/201306/396747.htm，这里我们重点讲解substitute。

substitute（）可以返回表达式，而不是直接求值（evaluation）

ex <- substitute(x+y)
ex

## x + y

ex1 <- substitute(x+y, list(x=1)) # 给其中一个赋值
ex1

## 1 + y

class(ex1) # call 类

## [1] "call"

在画图时使用将表达式嵌入plot中

par(mar = rep(0.1, 4), cex = 2) 
plot.new() 
plot.window(c(0, 10), c(0, 1)) 
for (i in 1:9) text(i, 0.5, substitute(sqrt(x, a), list(a = i + 1))) 

deparse

deparse与substitute 配合使用，可以返回表达式的字符串

g <- function(x) deparse(substitute(x))
g(1:10)

## [1] "1:10"

g(x)

## [1] "x"

class(g(x))

## [1] "character"

g(x + y^2)

## [1] "x + y^2"

这样的操作就可以在一些特殊的函数中直接使用表达式,而不需要使用字符串.比如说 library(plyr) 与 library(‘plyr’)功能相同.

names

可以返回列名

x <- 1:4
y <- letters[1:4]
names(data.frame(x, y))

## [1] "x" "y"

以subset为例说明NSE

我们可以直接在subset中输入 表达式 来对数据进行操作

sample_df <- data.frame(a = 1:5, b = 5:1, c = c(5, 3, 1, 4, 1))

subset(sample_df, a >= 4)

##   a b c
## 4 4 2 4
## 5 5 1 1

subset(sample_df, b == c)

##   a b c
## 1 1 5 5
## 5 5 1 1

a,b,c 都是sample_df中的数据而不是全局变量,这就是NSE的实质.
这里我们要获取sample_df 中的 a, b, c,就需要使用 eval().使用eval之前需要使用quote()捕获表达式(quote 跟 substitute 类似,只是只有一个参数,不能做转换).

quote(1:10)

## 1:10

quote(x)

## x

quote(x + y^2)

## x + y^2

eval(quote(x <- 1))
eval(quote(x))

## [1] 1

y = 1:10
eval(quote(y))

##  [1]  1  2  3  4  5  6  7  8  9 10

#substitute 也是可以的

eval(substitute(y))

##  [1]  1  2  3  4  5  6  7  8  9 10

eval 的第二个参数定义环境变量, 默认为全局变量

x <- 10
eval(quote(x))

## [1] 10

e <- new.env()
e$x <- 20
eval(quote(x), e)

## [1] 20

# list 和 dataframe也是可以的
eval(quote(x), list(x = 30))

## [1] 30

#> [1] 30
eval(quote(x), data.frame(x = 40))

## [1] 40

那么关于 subset 我们就可以这样写

eval(quote(a >= 4), sample_df)

## [1] FALSE FALSE FALSE  TRUE  TRUE

eval(quote(b == c), sample_df)

## [1]  TRUE FALSE FALSE FALSE  TRUE

基于以上我们可以写出subset函数

subset2 <- function(x, condition) {
  #为 data.frame
  condition_call <- substitute(condition)
  r <- eval(condition_call, x)
  x[r, ]
}
subset2(sample_df, a >= 4)

##   a b c
## 4 4 2 4
## 5 5 1 1

以上就是利用NSE方法构建的subset函数

本文参考：
http://adv-r.had.co.nz/Computing-on-the-language.html
https://cran.r-project.org/web/packages/lazyeval/vignettes/lazyeval.html