R - model.frame() 和非标准评估
R - model.frame() and non-standard evaluation
我对我尝试编写的函数的行为感到困惑。我的例子来自 survival 包，但我认为这个问题比那更笼统。基本上就是下面的代码
library(survival)
data(bladder) ## this will load "bladder", "bladder1" and "bladder2"
mod_init <- coxph(Surv(start, stop, event) ~ rx + number, data = bladder2, method = "breslow")
survfit(mod_init)
会产生一个我感兴趣的对象。但是，当我把它写在函数中时，
my_function <- function(formula, data) {
mod_init <- coxph(formula = formula, data = data, method = "breslow")
survfit(mod_init)
}
my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)
该函数将 return 最后一行出错：
Error in eval(predvars, data, env) :
invalid 'envir' argument of type 'closure'
10 eval(predvars, data, env)
9 model.frame.default(formula = Surv(start, stop, event) ~ rx +
number, data = data)
8 stats::model.frame(formula = Surv(start, stop, event) ~ rx +
number, data = data)
7 eval(expr, envir, enclos)
6 eval(temp, environment(formula$terms), parent.frame())
5 model.frame.coxph(object)
4 stats::model.frame(object)
3 survfit.coxph(mod_init)
2 survfit(mod_init)
1 my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)
我很好奇是否有明显的缺失，或者这种行为是否正常。我觉得很奇怪，因为在 my_function 的环境中，当 运行 代码的第一部分时，我将拥有与全局环境中相同的对象。
编辑：我还从 survival 包的作者 Terry Therneau 那里收到了有用的信息。这是他的回答：
这个问题源于model.frame的评价不规范。我发现的唯一出路是将 model.frame=TRUE 添加到原始 coxph 调用中。我认为这是 R 中的一个严重设计缺陷。非标准评估就像阴暗面——一条诱人而容易的道路，但总是以糟糕的方式结束。
特里 T.
诊断
来自错误信息：
2 survfit(mod_init, newdata = base_case)
1 my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)
在模型拟合过程中，问题显然不是 coxph，而是 survfit。
从这条消息中：
10 eval(predvars, data, env)
9 model.frame.default(formula = Surv(start, stop, event) ~ rx +
number, data = data)
我可以看出问题是在 survfit 的早期阶段，函数 model.frame.default() 找不到包含相关数据的 模型框架 在公式 Surv(start, stop, event) ~ rx + number 中。因此它抱怨。
什么是模型框？
模型框架由传递给拟合例程的 data 参数形成，如 lm()、glm() 和 mgcv:::gam()。它是一个数据框，行数与data相同，但是：
- 删除所有未被
formula 引用的变量
- 添加很多属性，其中最重要的是
envrionement
大多数模型拟合例程，如 lm()、glm() 和 mgcv:::gam()，默认情况下会将模型框架保留在它们的拟合对象中。这样做的好处是，如果我们稍后调用 predict，并且没有提供 newdata，它将从该模型框架中查找数据以进行评估。但是，一个明显的缺点是它会大大增加你的拟合对象的大小。
不过，survival:::coxph()是个例外。它会默认 而不是 在它们的拟合对象中保留这样的模型框架。好吧，很明显，这会使生成的拟合对象的尺寸小得多，但是，让您遇到您遇到的问题。 如果我们要survival:::coxph()保留这个模型框架，就用model = TRUE这个函数。
用survial:::coxph()
测试
library(survival); data(bladder)
my_function <- function(myformula, mydata, keep.mf = TRUE) {
fit <- coxph(myformula, mydata, method = "breslow", model = keep.mf)
survfit(fit)
}
现在，这个函数调用将失败，如您所见：
my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = FALSE)
但是这个函数调用会成功:
my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = TRUE)
lm()
的行为相同
我们实际上可以在 lm():
中演示相同的行为
## generate some toy data
foo <- data.frame(x = seq(0, 1, length = 20), y = seq(0, 1, length = 20) + rnorm(20, 0, 0.15))
## a wrapper function
bar <- function(myformula, mydata, keep.mf = TRUE) {
fit <- lm(myformula, mydata, model = keep.mf)
predict.lm(fit)
}
现在这将成功，保持模型框架：
bar(y ~ x - 1, foo, keep.mf = TRUE)
虽然这会失败，但会丢弃模型框架：
bar(y ~ x - 1, foo, keep.mf = FALSE)
使用参数 newdata?
请注意，我的 lm() 示例有点人为，因为我们实际上可以使用 predict.lm() 中的 newdata 参数来解决此问题：
bar1 <- function(myformula, mydata, keep.mf = TRUE) {
fit <- lm(myformula, mydata, model = keep.mf)
predict.lm(fit, newdata = lapply(mydata, mean))
}
现在是否保留模型框架，两者都会成功：
bar1(y ~ x - 1, foo, keep.mf = TRUE)
bar1(y ~ x - 1, foo, keep.mf = FALSE)
那么你可能会想：我们可以为 survfit() 做同样的事情吗？
survfit() 是一个通用函数，在您的代码中，您实际上是在调用 survfit.coxph()。这个函数确实有一个 newdata 参数。文档内容如下：
newdata:
a data frame with the same variable names as those that appear in the
‘coxph’ formula. ... ... Default is the mean of the covariates used in the
‘coxph’ fit.
所以，让我们试试：
my_function1 <- function(myformula, mydata) {
mtrace.off()
fit <- coxph(myformula, mydata, method = "breslow")
survival:::survfit.coxph(fit, newdata = lapply(mydata, mean))
}
我们希望这项工作：
my_function1(Surv(start, stop, event) ~ rx + number, bladder2)
但是：
Error in is.data.frame(data) (from #5) : object 'mydata' not found
1: my_function1(Surv(start, stop, event) ~ rx + number, bladder2)
2: #5: survival:::survfit.coxph(fit, lapply(mydata, mean))
3: stats::model.frame(object)
4: model.frame.coxph(object)
5: eval(temp, environment(formula$terms), parent.frame())
6: eval(expr, envir, enclos)
7: stats::model.frame(formula = Surv(start, stop, event) ~ rx + number, data =
8: model.frame.default(formula = Surv(start, stop, event) ~ rx + number, data
9: is.data.frame(data)
注意，虽然我们传入了newdata，但在构建模型框架时并没有用到：
3: stats::model.frame(object)
只有 object，一个拟合模型的副本，被传递给 model.frame.default()。
这与 predict.lm()、predict.glm() 和 mgcv:::predict.gam() 中发生的情况非常不同。在这些例程中，newdata 被传递给 model.frame.default()。例如lm()中有：
m <- model.frame(Terms, newdata, na.action = na.action, xlev = object$xlevels)
我不使用 survival 包，所以不确定 newdata 在这个包中如何工作。所以我认为我们真的需要一些专家来解释这一点。
我想如果你的
Surv(start, stop, event) ~ rx + number
作为一个参数，它没有被正确创建。尝试把
is.Surv(formula)
作为函数中的第一行。我怀疑它行不通，那么我建议使用 apply 函数族。
我对我尝试编写的函数的行为感到困惑。我的例子来自 survival 包，但我认为这个问题比那更笼统。基本上就是下面的代码
library(survival)
data(bladder) ## this will load "bladder", "bladder1" and "bladder2"
mod_init <- coxph(Surv(start, stop, event) ~ rx + number, data = bladder2, method = "breslow")
survfit(mod_init)
会产生一个我感兴趣的对象。但是，当我把它写在函数中时，
my_function <- function(formula, data) {
mod_init <- coxph(formula = formula, data = data, method = "breslow")
survfit(mod_init)
}
my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)
该函数将 return 最后一行出错：
Error in eval(predvars, data, env) :
invalid 'envir' argument of type 'closure'
10 eval(predvars, data, env)
9 model.frame.default(formula = Surv(start, stop, event) ~ rx +
number, data = data)
8 stats::model.frame(formula = Surv(start, stop, event) ~ rx +
number, data = data)
7 eval(expr, envir, enclos)
6 eval(temp, environment(formula$terms), parent.frame())
5 model.frame.coxph(object)
4 stats::model.frame(object)
3 survfit.coxph(mod_init)
2 survfit(mod_init)
1 my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)
我很好奇是否有明显的缺失，或者这种行为是否正常。我觉得很奇怪，因为在 my_function 的环境中，当 运行 代码的第一部分时，我将拥有与全局环境中相同的对象。
编辑：我还从 survival 包的作者 Terry Therneau 那里收到了有用的信息。这是他的回答：
这个问题源于model.frame的评价不规范。我发现的唯一出路是将 model.frame=TRUE 添加到原始 coxph 调用中。我认为这是 R 中的一个严重设计缺陷。非标准评估就像阴暗面——一条诱人而容易的道路，但总是以糟糕的方式结束。 特里 T.
诊断
来自错误信息：
2 survfit(mod_init, newdata = base_case)
1 my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)
在模型拟合过程中，问题显然不是 coxph，而是 survfit。
从这条消息中：
10 eval(predvars, data, env)
9 model.frame.default(formula = Surv(start, stop, event) ~ rx +
number, data = data)
我可以看出问题是在 survfit 的早期阶段，函数 model.frame.default() 找不到包含相关数据的 模型框架 在公式 Surv(start, stop, event) ~ rx + number 中。因此它抱怨。
什么是模型框？
模型框架由传递给拟合例程的 data 参数形成，如 lm()、glm() 和 mgcv:::gam()。它是一个数据框，行数与data相同，但是：
- 删除所有未被
formula 引用的变量
- 添加很多属性，其中最重要的是
envrionement
大多数模型拟合例程，如 lm()、glm() 和 mgcv:::gam()，默认情况下会将模型框架保留在它们的拟合对象中。这样做的好处是，如果我们稍后调用 predict，并且没有提供 newdata，它将从该模型框架中查找数据以进行评估。但是，一个明显的缺点是它会大大增加你的拟合对象的大小。
不过，survival:::coxph()是个例外。它会默认 而不是 在它们的拟合对象中保留这样的模型框架。好吧，很明显，这会使生成的拟合对象的尺寸小得多，但是，让您遇到您遇到的问题。 如果我们要survival:::coxph()保留这个模型框架，就用model = TRUE这个函数。
用survial:::coxph()
library(survival); data(bladder)
my_function <- function(myformula, mydata, keep.mf = TRUE) {
fit <- coxph(myformula, mydata, method = "breslow", model = keep.mf)
survfit(fit)
}
现在，这个函数调用将失败，如您所见：
my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = FALSE)
但是这个函数调用会成功:
my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = TRUE)
lm()
我们实际上可以在 lm():
## generate some toy data
foo <- data.frame(x = seq(0, 1, length = 20), y = seq(0, 1, length = 20) + rnorm(20, 0, 0.15))
## a wrapper function
bar <- function(myformula, mydata, keep.mf = TRUE) {
fit <- lm(myformula, mydata, model = keep.mf)
predict.lm(fit)
}
现在这将成功，保持模型框架：
bar(y ~ x - 1, foo, keep.mf = TRUE)
虽然这会失败，但会丢弃模型框架：
bar(y ~ x - 1, foo, keep.mf = FALSE)
使用参数 newdata?
请注意，我的 lm() 示例有点人为，因为我们实际上可以使用 predict.lm() 中的 newdata 参数来解决此问题：
bar1 <- function(myformula, mydata, keep.mf = TRUE) {
fit <- lm(myformula, mydata, model = keep.mf)
predict.lm(fit, newdata = lapply(mydata, mean))
}
现在是否保留模型框架，两者都会成功：
bar1(y ~ x - 1, foo, keep.mf = TRUE)
bar1(y ~ x - 1, foo, keep.mf = FALSE)
那么你可能会想：我们可以为 survfit() 做同样的事情吗？
survfit() 是一个通用函数，在您的代码中，您实际上是在调用 survfit.coxph()。这个函数确实有一个 newdata 参数。文档内容如下：
newdata:
a data frame with the same variable names as those that appear in the ‘coxph’ formula. ... ... Default is the mean of the covariates used in the ‘coxph’ fit.
所以，让我们试试：
my_function1 <- function(myformula, mydata) {
mtrace.off()
fit <- coxph(myformula, mydata, method = "breslow")
survival:::survfit.coxph(fit, newdata = lapply(mydata, mean))
}
我们希望这项工作：
my_function1(Surv(start, stop, event) ~ rx + number, bladder2)
但是：
Error in is.data.frame(data) (from #5) : object 'mydata' not found
1: my_function1(Surv(start, stop, event) ~ rx + number, bladder2)
2: #5: survival:::survfit.coxph(fit, lapply(mydata, mean))
3: stats::model.frame(object)
4: model.frame.coxph(object)
5: eval(temp, environment(formula$terms), parent.frame())
6: eval(expr, envir, enclos)
7: stats::model.frame(formula = Surv(start, stop, event) ~ rx + number, data =
8: model.frame.default(formula = Surv(start, stop, event) ~ rx + number, data
9: is.data.frame(data)
注意，虽然我们传入了newdata，但在构建模型框架时并没有用到：
3: stats::model.frame(object)
只有 object，一个拟合模型的副本，被传递给 model.frame.default()。
这与 predict.lm()、predict.glm() 和 mgcv:::predict.gam() 中发生的情况非常不同。在这些例程中，newdata 被传递给 model.frame.default()。例如lm()中有：
m <- model.frame(Terms, newdata, na.action = na.action, xlev = object$xlevels)
我不使用 survival 包，所以不确定 newdata 在这个包中如何工作。所以我认为我们真的需要一些专家来解释这一点。
我想如果你的
Surv(start, stop, event) ~ rx + number
作为一个参数，它没有被正确创建。尝试把
is.Surv(formula)
作为函数中的第一行。我怀疑它行不通，那么我建议使用 apply 函数族。