在循环/函数中使用pROC::roc()避免错误的方法

针对变量名含空格的场景，以下几种方法可以解决你遇到的variable lengths differ报错：

示例数据（模拟带空格的变量名） #

library(pROC)

# 构造测试数据
df <- data.frame(
  response = factor(sample(c(0,1), 100, replace = TRUE)),
  `Variable One` = rnorm(100),
  `Variable Two` = rnorm(100),
  `Variable Three` = rnorm(100)
)
# 提取需要分析的变量名（排除response）
var_names <- setdiff(names(df), "response")

方法1：直接提取数据列（最稳妥） #

跳过变量名解析，直接传递数据框的列向量，完全规避空格变量名的语法问题：

roc_list <- lapply(var_names, function(var) {
  roc(response = df$response, predictor = df[[var]], quiet = TRUE)
})
# 给列表命名便于后续索引
names(roc_list) <- var_names

方法2：公式语法结合符号注入 #

用rlang工具将字符串变量名转为符号，注入公式中：

library(rlang)

roc_list <- lapply(var_names, function(var) {
  # 构建公式：response ~ 带空格的变量
  roc_formula <- response ~ !!sym(var)
  roc(roc_formula, data = df, quiet = TRUE)
})
names(roc_list) <- var_names

如果不想依赖rlang，也可以用字符串拼接生成公式：

roc_list <- lapply(var_names, function(var) {
  roc_formula <- as.formula(paste("response ~", paste0("`", var, "`")))
  roc(roc_formula, data = df, quiet = TRUE)
})

方法3：使用pROC::roc_()（标准评估版本） #

roc_()是roc()的标准评估接口，直接接受字符串形式的变量名：

roc_list <- lapply(var_names, function(var) {
  roc_(response = "response", predictor = var, data = df, quiet = TRUE)
})
names(roc_list) <- var_names

报错原因说明 #

你之前遇到的variable lengths differ，是因为直接将字符串变量名（如i）传给roc()的predictor参数时，函数会把字符串本身当成长度为1的向量，和长度为100的response向量不匹配。必须将变量名转换为数据框对应的列向量，或是通过公式/标准评估接口让函数正确识别变量。

内容的提问来源于stack exchange，提问作者jared_mamrot