R语言中波浪号~的含义及fm变量与[2:3]索引解析

我遇到如下代码：

fm <- y ~ x
mods <- setNames(as.list(1:4), paste0("lm", 1:4))
# loop over the four datasets in the quartet
for(i in 1:4) {
  fm[2:3] <- lapply(paste0(c("y","x"), i), as.name)
  mods[[i]] <- lmi <- lm(fm, data=anscombe)
}

我猜测此处~代表y与x间的线性关系，但想了解它的通用含义；同时想知道变量fm具体是什么，以及fm[2:3]中的索引[2:3]指代什么，恳请专业解答。

1. ~ 的通用含义 #

在R语言中，~ 是公式（Formula）的核心运算符，核心作用是分隔模型的响应变量（因变量）和解释变量（自变量），用来定义变量间的关系结构，不止局限于线性关系：

• 基础用法：响应变量 ~ 解释变量，比如代码里的y ~ x，表示y是因变量，x是自变量；
• 常见拓展场景：
  • 多变量模型：y ~ x1 + x2，表示y由x1和x2共同解释；
  • 交互项：y ~ x1*x2（等价于y ~ x1 + x2 + x1:x2），表示x1和x2的交互作用对y有影响；
  • 控制截距：默认模型带截距，y ~ 0 + x 表示强制去掉截距项；
  • 可视化映射：像ggplot2这类可视化包也会用公式逻辑映射变量到图形属性，比如aes(x=x, y=y)本质就是基于公式的变量关联逻辑。

2. 变量 fm 具体是什么 #

执行fm <- y ~ x后，fm是一个公式对象（Formula Object），你可以在R控制台输入class(fm)验证，返回结果是"formula"。

它是一种特殊的语言结构，存储了变量关系的语法信息。用str(fm)查看内部结构，会发现它是一个长度为3的语言对象：

• 第1个元素：运算符~；
• 第2个元素：公式左侧的因变量y；
• 第3个元素：公式右侧的自变量x。

3. fm[2:3] 中的索引 [2:3] 指代什么 #

从公式对象的结构可知，fm的元素是按位置存储的：

• fm[1] 对应运算符~；
• fm[2] 对应公式左侧的因变量（初始值为y）；
• fm[3] 对应公式右侧的自变量（初始值为x）。

所以fm[2:3]就是选取公式中的因变量和自变量部分。代码里通过lapply(paste0(c("y","x"), i), as.name)生成y1/x1、y2/x2这类动态变量名，赋值给fm[2:3]，本质是动态替换公式里的因变量和自变量，从而循环拟合anscombe数据集中的4组(y1,x1)到(y4,x4)线性模型。

比如当i=1时，fm[2:3]会被替换为y1和x1，此时fm就变成y1 ~ x1，传入lm()函数就会拟合第一组数据的线性模型。

内容的提问来源于stack exchange，提问作者Nemo