R中函数中glm公式中的范围/非标准评估问题

Question

我有一个计算表格和模型（以及更多...）的函数：

fun <- function(x, y, formula = y ~ x, data = NULL) {
  out <- list()
  out$tab <- table(x, y)
  out$mod <- glm(formula = formula,
                 family = binomial,
                 data = data)
  out

}

在公式中，我需要使用函数调用中提供的x 和y（例如x = DF1$x 和y = DF1$y）以及来自另一个数据帧的变量（例如a 和b 来自DF2)。它因我的幼稚功能而失败：

fun(x = DF1$x,
    y = DF1$y,
    formula = y ~ x + a + b,
    data = DF2)
# Error in eval(predvars, data, env) : object 'y' not found

如何在函数环境中进行 glm 搜索 x 和 y？我猜这个问题与非标准评估和/或范围界定有关，但我不知道如何解决。

示例数据：

smp <- function(x = c(TRUE, FALSE),
                size = 1e2) {
  sample(x = x,
         size = size,
         replace = TRUE)
  }

DF1 <- data.frame(x = smp(),
                  y = smp())

DF2 <- data.frame(a = smp(x = LETTERS),
                  b = smp(x = LETTERS))

Answer 1

@DaveArmstrong 已被接受的答案是正确的。这个答案解释了为什么原始版本的代码有错误。

@Thomas 在评论中引用文档说

如果在数据中找不到，变量取自环境（公式），通常是调用 glm 的环境。

“通常”这个词在这里很关键。确切的规则是附加到公式的环境是第一次计算公式表达式的环境，因为~ 实际上是一个函数。它将评估环境附加到公式对象，当您传递对象时，它会一直存在。

如果您运行 glm(y ~ x)，则无论您调用什么公式都会计算公式，因此这是“典型”情况。

在您的示例中，您在调用时创建了公式对象

fun(x = DF1$x,
y = DF1$y,
formula = y ~ x + a + b,
data = DF2)

这意味着全局环境（您进行此调用的位置）已附加到公式中，并且那里没有 y，因此您收到了错误。

如果您通过调用使用默认的formula = y ~ x

fun(x = DF1$x,
y = DF1$y,
data = DF2)

没有formula 参数，它会起作用，因为默认参数是在使用它们的函数的评估框架中评估的。由于fun() 具有由参数创建的局部变量x 和y，这很好。

您还问为什么data = NULL 会在@DaveArmstrong 的函数中工作。他添加了x 和y 使用

data$x <- x
data$y <- y

如果您以data = NULL 开头，则第一行会将其更改为包含x 的列表，第二行添加y 组件，因此您最终会得到包含x 和y 的列表和这对于glm() 中的data 来说很好。

Answer 2

为什么不在函数中将x 和y 添加到data 中？

fun <- function(x, y, formula = y ~ x, data = NULL) {
  if(length(x) != length(y) | 
     length(x) != nrow(data) | 
     length(y) != nrow(data))stop("x, y and data need to be the same length.\n")
  data$x <- x
  data$y <- y
  out <- list()
  out$tab <- table(x, y)
  out$mod <- glm(formula = formula,
                 family = binomial,
                 data = data)
  out
}

fun(x = DF1$x,
    y = DF1$y,
    formula = y ~ x + a + b,
    data = DF2)
# $tab
# y
# x       FALSE TRUE
# FALSE    27   29
# TRUE     21   23
# 
# $mod
# Call:  glm(formula = formula, family = binomial, data = data)
# 
# Coefficients:
#   (Intercept)        xTRUE           aB           aC           aD           aE           aF           aG           aH           aI           aJ  
# 3.2761      -1.8197       0.3409     -93.9103      -2.0697      20.6813     -41.5963      -1.1078      18.5921      -1.0857     -36.5442  
# aK           aL           aM           aN           aO           aP           aQ           aR           aS           aT           aU  
# -0.5730     -92.5513      -3.0672      22.8989     -53.6200      -0.9450       0.4626      -3.0672       0.3570     -22.8857       1.8867  
# aV           aW           aX           aY           aZ           bB           bC           bD           bE           bF           bG  
# 2.5307      19.5447     -90.5693    -134.0656      -2.5943      -1.2333      20.7726     110.6790      17.1022      -0.5279      -1.2537  
# bH           bI           bJ           bK           bL           bM           bN           bO           bP           bQ           bR  
# -21.7750     114.0199      20.3766     -42.5031      41.1757     -24.3553      -2.0310     -25.9223      -2.9145      51.2537      70.2707  
# bS           bT           bU           bV           bW           bX           bY           bZ  
# -4.7728      -3.7300      -2.0333      -0.3906      -0.5717      -4.0728       0.8155      -4.4021  
# 
# Degrees of Freedom: 99 Total (i.e. Null);  48 Residual
# Null Deviance:        138.5 
# Residual Deviance: 57.73  AIC: 161.7
# 
# Warning message:
#   glm.fit: fitted probabilities numerically 0 or 1 occurred 
#