问题描述
假设我想创建一个函数,该函数可以使用用户传递的任何函数来改变列。我需要知道如何在函数到达 dbplyr 解析器之前引用和取消引用该函数。让我们看一个例子,假设我有一个这样的函数:
testFun <- function(data,fun,colName,colOut = "myAwesomeColumn") {
dplyr::mutate(.data = data,!!colOut := fun(.data[[colName]]))
}
sc <- sparklyr::spark_connection(master = "local")
mtcars_spark <- dplyr::copy_to(sc,mtcars,"mtcars")
testFun(mtcars_spark,mean,"mpg")
因此在上面的示例中,我想将 mean()
函数应用于 "mpg"
列并将其存储在名为 "myAwesomeColumn"
的新列中。
当使用 Spark,特别是 sparklyr 时,dbplyr 将尝试将此代码转换为 sql 并将其发送到 Spark。我的理解是 dbplyr 应用以下规则:
第二个选项是这里发生的事情,因为它找不到函数 fun
,因此它返回一个 Spark 错误
Error: org.apache.spark.sql.AnalysisException: Undefined function: 'fun'.
This function is neither a registered temporary function nor a permanent function
registered in the database 'default'.; line 1 pos 85
...
所以我们需要另一种方法。问题是让 rlang 在 dbplyr 解释之前将 fun
转换为 mean
。我知道如果我将函数名称作为字符串传递并使用 rlang::parse_expr()
,我可以做到这一点,例如:
testFun <- function(data,colOut = "myAwesomeColumn") {
dplyr::mutate(data,!!colOut := rlang::parse_expr(paste0(fun,"(",")"))
}
testFun(mtcars_spark,"mean","mpg")
# # Source: spark<?> [?? x 12]
# mpg cyl disp hp drat wt qsec vs am gear carb myAwesomeColumn
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4 20.1
# 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4 20.1
# # ... with more rows
解决方法
为了让它起作用,我们必须引用和取消引用 fun
参数。我们还构建了我们实际上想要传递到我们对 mutate()
的调用中的表达式。解决方法见下文。
testFun <- function(data,fun,colAmount,colOut = "output") {
fun <- rlang::enquo(fun)
dplyr::mutate(.data = data,!!colOut := rlang::call2(.fn = !!fun,rlang::sym(colAmount)))
}
testFun(mtcars_spark,mean,"mpg")
# # Source: spark<?> [?? x 12]
# mpg cyl disp hp drat wt qsec vs am gear carb output
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1 21 6 160 110 3.9 2.62 16.5 0 1 4 4 20.1
# 2 21 6 160 110 3.9 2.88 17.0 0 1 4 4 20.1
# # ... with more rows
请注意,如果您使用 data.frame
而不是 tbl_spark
,这会简单得多。