Jan 27, 2021

认识非标准化求值第一部分：基础知识

非标准化求值（Non-standard evaluation），英文缩写为NSE，是行家们在谈论R语言时喜欢使用的一个术语。那么非标准化求值到底是什么意思呢？要回答这个问题，揭开这一概念的神秘面纱，我先为大家介绍与之相对的一个概念，那就是标准化求值（是的，它不叫非-非标准化求值😉）。

以从数据中选取一列为例。在base R中，我们可以通过[[或$来实现。前者使用的是标准化求值语义，而后者使用的则是非标准化求值。

使用[[的时候，我们需要在里面输入字符串。我们通常使用的是一串*文字*字符。

data(iris)
head(iris[["Species"]])

## [1] setosa setosa setosa setosa setosa setosa
## Levels: setosa versicolor virginica

此外，我们也可以在[[内输入*对象名*。这个对象名会被*求值*（这个值最好是一串字符或者数值，否则会出现异常）。

var <- "Species"
head(iris[[var]])

## [1] setosa setosa setosa setosa setosa setosa
## Levels: setosa versicolor virginica

前面的介绍不足为奇。接下来，我们来谈谈$的行为。类似[[，我们可以在$右侧输入一串字符。

head(iris$"Species")

## [1] setosa setosa setosa setosa setosa setosa
## Levels: setosa versicolor virginica

但是，在现实中，你可能永远不会这样做，因为有了$我们就不必这样做了。相反，我们可以在$右侧直接输入对象名。

head(iris$Species)

## [1] setosa setosa setosa setosa setosa setosa
## Levels: setosa versicolor virginica

这样做可以节省两次键入，因此大大方便了我们在控制台编辑交互式代码。那么，如果我们将前面定义好的var输入到$右侧，会怎么样呢？

head(iris$var)

## NULL

没有想到吧？你并不是唯一一个对此感到意外的人。我身边的很多R初学者都对此感到困惑。请记住，对象var的值为"Species"。使用标准化求值语义时，R会对var求值。而$利用的是非标准化求值，因此在使用$的时候，情况不一样。$会在数据iris中查找名为var的列。因为这个数据内没有这样命名的列，所以结果显示NULL（我个人认为结果显示为异常更好些，不过无妨）。

除了Species，iris数据还包含了一个名为Sepal.Length的列。正如前面所说，我们有两种方式来选择这一列，通过iris[["Sepal.Length"]]或者iris$Sepal.Length。可是，如果我们的运行环境中已经存在一个名为Sepal.Length的变量，会怎么样呢？

Sepal.Length <- "Species"

iris[[Sepal.Length]]与iris$Sepal.Length分别会得到什么结果呢？在你继续阅读之前，停下来，思考这个问题。根据此前我们所讨论过的内容，你应该能够正确回答这个问题。如果你不是很确定的话，请回到顶部，再次阅读前面的段落。

先来看iris[[Sepal.Length]]。当我们使用[[时，对象名Sepal.Length被求值为"Species"。因此，在这种情况下，iris[[Sepal.Length]]与 iris[["Species"]]的结果是一致的。

head(iris[[Sepal.Length]])

## [1] setosa setosa setosa setosa setosa setosa
## Levels: setosa versicolor virginica

再来看iris$Sepal.Length。 R根本不关心运行环境中是否存在名为Sepal.Length的变量。相反，它的第一反应是在数据iris中查找名为Sepal.Length的变量，嗯，确实有一个。

head(iris$Sepal.Length)

## [1] 5.1 4.9 4.7 4.6 5.0 5.4

因此，即便你的运行环境中存在一个名为Sepal.Length的对象并且这一对象已经被赋予了某个值，当你执行iris$Sepal.Length的时候，R会直接绕过这个值。相反，它把数据*本身*视作运行环境，当对Sepal.Length求值时，你就会得到那一列的内容。这个过程完全不遵循R的标准化求值语义，这就是它被称为非标准化求值的原因。

如果你已经掌握了到目前为止我们所讨论的内容，那么恭喜你，你在掌握R的道路上向前迈进了一大步。但是，前方还有很多内容在等着你！在这系列文章的第二篇，我会示范如何执行非标准化求值。通过自己进行非标准化求值，你将进一步加深对R的理解，也会更加了解R的内部结构，这将帮助你写出像{dplyr}那样强大的功能包。敬请期待！

本文由林诗敏译自英文。