带有 lapply 函数的用户定义函数

Question

我正在尝试建立一个用户定义的函数，该函数输入来自活动数据帧的预定变量（独立和依赖）。让我们以下面的示例数据框df 为例，看看其他记录变量导致的抛硬币结果：

> df
  outcome toss    person  hand age
1       H    1      Mary  Left  18
2       T    2     Allen  Left  12
3       T    3       Dom  Left  25
4       T    4 Francesca  Left  42
5       H    5      Mary Right  18
6       H    6     Allen Right  12
7       H    7       Dom Right  25
8       T    8 Francesca Right  42

dfdata 框架有一个二项式响应 outcome 是正面或反面，我将看看 person、hand 和 age 可能如何影响这个分类结果。我计划使用一种前向选择方法，该方法将针对toss 测试一个变量，然后继续添加更多变量。

为了简单起见，我希望能够在我的用户定义函数之前识别响应/依赖（例如，outcome）和预测/独立（例如，person,hand）变量比如：

> independent<-c('person','hand','age')
> dependent<-'outcome'

然后使用lapply 和glm 函数创建我的函数：

> test.func<-function(some_data,the_response,the_predictors)
+ {
+     lapply(the_predictors,function(a)
+         {
+         glm(substitute(as.name(the_response)~i,list(i=as.name(a))),data=some_data,family=binomial)
+     })
+ }

然而，当我尝试使用预定向量运行函数时，会发生这种情况：

> test.func(df,dependent,independent)
Error in as.name(the_response) : object 'the_response' not found

我的预期反应如下：

models<-lapply(independent,function(x)
+ {
+     glm(substitute(outcome~i,list(i=as.name(x))),data=df,family=binomial)
+ })
> models
[[1]]

Call:  glm(formula = substitute(outcome ~ i, list(i = as.name(x))), 
    family = binomial, data = df)

Coefficients:
    (Intercept)        personDom  personFrancesca       personMary  
      1.489e-16       -1.799e-16        1.957e+01       -1.957e+01  

Degrees of Freedom: 7 Total (i.e. Null);  4 Residual
Null Deviance:      11.09 
Residual Deviance: 5.545    AIC: 13.55

[[2]]

Call:  glm(formula = substitute(outcome ~ i, list(i = as.name(x))), 
    family = binomial, data = df)

**End Snippet**

如您所知，使用 lapply 和 glm，我创建了 3 个简单的模型，而无需单独完成所有额外工作。您可能会问，当您有简单的代码时，为什么要创建用户定义的函数？我计划运行while 或repeat 循环，它会减少混乱。

感谢您的帮助

Answer 1

我知道仅代码答案已被弃用，但我认为您几乎就在那里并且可以使用轻推来使用 formula 函数（并在替换中包含 'the_response）：

 test.func<-function(some_data,the_response,the_predictors)
 {
     lapply(the_predictors,function(a)
         {print(   form<- formula(substitute(resp~i,
                                             list(resp=as.name(the_response), i=as.name(a)))))
         glm(form, data=some_data,family=binomial)
     })
 }

测试：

> test.func(df,dependent,independent)
outcome ~ person
<environment: 0x7f91a1ba5588>
outcome ~ hand
<environment: 0x7f91a2b38098>
outcome ~ age
<environment: 0x7f91a3fad468>
[[1]]

Call:  glm(formula = form, family = binomial, data = some_data)

Coefficients:
    (Intercept)        personDom  personFrancesca       personMary  
      8.996e-17       -1.540e-16        1.957e+01       -1.957e+01  

Degrees of Freedom: 7 Total (i.e. Null);  4 Residual
Null Deviance:      11.09 
Residual Deviance: 5.545    AIC: 13.55

[[2]]

Call:  glm(formula = form, family = binomial, data = some_data)

#snipped