如何在R中获取仅包含统计模型所用原始变量的最小数据框

要获取仅包含模型构建时用到的原始变量的数据集副本，核心思路是从模型的公式中解析出所有原始变量名称，再从原数据框中筛选这些变量。这种方法完全通用，不管变量经过多少次非可逆变换都适用。

具体实现步骤 #

1. 从模型对象中提取公式
2. 用all.vars()解析公式，得到所有原始变量名（该函数会自动忽略变换函数，只识别底层的原始变量）
3. 从原数据集中选择这些变量

代码示例 #

# 先构建示例模型
fit <- lm(Sepal.Length ~ log(Sepal.Width) + I(Petal.Length^2), data = iris)

# 提取模型用到的所有原始变量名
model_raw_vars <- all.vars(formula(fit))

# 生成仅包含原始变量的数据集副本
mini_iris <- iris[, model_raw_vars, drop = FALSE]

# 查看结果
head(mini_iris)

说明 #

• all.vars()是关键：它会递归解析公式里的所有表达式，哪怕变量被嵌套在log()、I()、sqrt()等变换函数中，都能准确提取出原始变量名。比如上面的例子里，会提取出Sepal.Length、Sepal.Width、Petal.Length这三个原始变量。
• drop = FALSE是为了确保即使最终只筛选出一个变量，结果依然是数据框格式，避免变成向量。

内容的提问来源于stack exchange，提问作者cgmil