估计命令如何在 R 的公式中查找变量名称？

Question

我想在用户定义的函数上使用 R 的 nls() 函数来估计大量模型。由于许多变量在我的规范中是固定的，我想要一种在我的函数中预先设置它们的方法，但我没有正确理解 R 如何在公式中包含的函数中查找变量。

我看过 Hadley Wickham 的高级 R 书中关于元编程的部分，但它并没有启发我。这是我使用 mtcars 数据集尝试实现的简化示例：

我尝试为跨规范固定的变量设置默认值：

expo <- function(x, theta, weight = wt) {
  x*weight^theta
}

我也试过只使用固定变量的列名作为函数内部的变量

expo <- function(x, theta) {
  x*wt^theta
}

如果我只想计算函数，这两种方法都有效，比如

attach(mtcars)
expo(qsec, 1)
detach()

但是如果我尝试在估算例程中使用我的 expo() 函数，例如

nls(mpg ~ phi + expo(qsec, theta),
    data = mtcars,
    start = c('phi' = -2, 'theta' = 1))

失败并显示消息 Error in expo(qsec, theta) : object 'wt' not found。评论中提出的一种可能性是简单地将数据集 mtcars 作为参数传递给 expo()。但是由于我只会在对 nls() 的调用内部调用 expo()，其中数据集已经是一个参数，所以如果我能找到避免这种重复的方法，我会很高兴。

我在适当地定义或调用 expo() 之后的最终目标是能够做这样的事情：

depvars <- c('qsec', 'drat', 'dist')
lapply <- (depvars, function(x) {
    formula <- as.formula(paste0('mpg ~ phi + expo(', x, ', theta)'))
    nls(formula,
        data = mtcars,
        start = c('phi' = -2, 'theta' = 1))
}

Answer 1

棘手的是 R 的词法范围搜索在封闭环境中，这在调用过程中可能会造成混淆，因为调用者环境中的每一个都有封闭的环境，事情很快就会变得混乱。

我将使用 rlang 包来调试这个场景。

首先，如果您在全局环境中定义了 expo，那么这将是它的封闭环境：

expo <- function(x, theta) {
  x*wt^theta
}

rlang::get_env(expo)
# <environment: R_GlobalEnv>

所以当你调用它的时候，R会先在函数的调用中搜索变量（不是来电者！）环境，然后在封闭环境中（这里是全局环境）。

我不知道 nls 到底做了什么，但我会假设它会根据您提供的 data 创建一个环境并在那里评估公式。但是，它创建的环境似乎只包含它可以在公式中明确看到的变量，我发现的东西：

expo <- function(x, theta) {
  cat("caller: ")
  print(ls(rlang::caller_env()))
  cat("enclosing: ")
  print(ls(rlang::env_parent(rlang::current_env())))
}

nls(mpg ~ phi + expo(qsec, theta),
    data = mtcars,
    start = c('phi' = -2, 'theta' = 1))
# caller: [1] "mpg"   "phi"   "qsec"  "theta"
# enclosing: [1] "expo"    
# Error ...

我们可以看到，expo的caller环境包含了我们可以在公式中识别的变量，其 enclosing 环境仅包含 expo 的定义（全球环境）。不幸的是，这意味着你甚至不能在 expo 中使用像 eval.parent 这样的东西，因为该环境不会包含来自 data.

的所有变量

如果您仍想解决它，您可以在调用 nls 之前用您的数据修改 expo 的封闭环境，类似于：

expo <- function(x, theta) {
  x*wt^theta
}

environment(expo) <- list2env(as.list(mtcars))

nls(mpg ~ phi + expo(qsec, theta),
    data = mtcars,
    start = c('phi' = -2, 'theta' = 1))
# Error ... number of iterations exceeded maximum of 50

Answer 2

我接受了 Alexis 的回答，因为它解决了我原来的问题。尽管如此，我还是认为我会分享我采用的解决方案，以防有人觉得它有用。

正如 Alexis 所说，解决方案需要涉及修改 expo() 的封闭环境。我的方法不是每次都手动执行此操作（并且可能在每次调用 expo() 后将其更改回原始环境），而是将 expo() 的环境包含正确变量的要求与 NelsonGon 的建议相结合我在某个时候将数据集作为参数提供。为此，我创建了一个函数工厂 make_expo()，它设置了所需的变量和 returns expo()，以便变量自动位于 expo() 的封闭环境中：

make_expo <- function(df, vars = c('wt')) {
  wt <- df[[vars[1]]]
  function(x, theta) {
    x + wt^theta
  }
}

expo <- make_expo(mtcars)

nls(mpg ~ phi + expo(qsec, theta),
    data = mtcars,
    start = c('phi' = 1, theta = 1))
# Error ... number of iterations exceeded maximum of 50

我认为这有两个好处。首先，它更健壮，因为你不需要记住设置 expo() 的环境，它会在定义 expo() 时自动设置。然而 make_expo() 是灵活的——我可以设置默认值，或输入不同的数据集。其次，它将参数 expo() 要求降低到我实际期望在对 expo() 的不同调用中变化的参数，提高了可理解性

我很惊讶地得知公式创建了一个环境，在这个环境中查找名称只包含在公式中明确命名的变量，而不是传递给 nls() 的数据集中的其他变量，但是有你去吧。

估计命令如何在 R 的公式中查找变量名称？

How do estimation commands find variable names in formulas in R?

r

nls