如何提取R包lmmlasso中summary函数输出的dataframe与matrix？

问题背景 #

使用R语言lmmlasso包的summary()函数时，该函数通过cat()输出描述性文本，用print()输出需要保存的matrix和dataframe。在R Notebook环境中，cat()内容与matrix显示在控制台标签页，dataframe单独展示在结果标签页，但无法直接保存或提取这些对象。尝试sink()和capture.output()仅能保存描述信息与matrix，无法获取dataframe。此前通过复制原函数代码并修改返回值的方式解决，但希望找到直接提取的方法。

示例代码：

summary.foo= function(){
  cat("random effects\n")
  print(matrix(rnorm(9),3))
  cat("fixed effects \n")
  print(data.frame(X = c("A","B","C"), Estimate = rnorm(3)))
}

summary.foo()

解决方案 #

方法1：临时重定义print()函数捕获输出 #

通过替换print()函数，拦截其调用并将目标对象存入全局列表，之后恢复原函数避免影响后续操作：

# 保存原始print函数
original_print <- print

# 初始化存储列表
captured_objects <- list()

# 自定义print函数，捕获matrix和data.frame
print <- function(x, ...) {
  if (inherits(x, "data.frame") || inherits(x, "matrix")) {
    captured_objects[[length(captured_objects)+1]] <<- x
  }
  original_print(x, ...)
}

# 运行目标summary函数
summary.foo()

# 恢复原始print函数
print <- original_print

# 提取捕获的对象
random_effects_mat <- captured_objects[[1]]  # 提取matrix
fixed_effects_df <- captured_objects[[2]]    # 提取dataframe

方法2：解析capture.output()的文本输出 #

利用capture.output()捕获所有输出文本，筛选对应部分后通过eval(parse())解析为对象：

# 捕获所有输出文本
output_text <- capture.output(summary.foo())

# 提取并解析matrix
mat_lines <- output_text[grep("random effects", output_text)+1 : grep("fixed effects", output_text)-1]
random_effects_mat <- eval(parse(text = paste(mat_lines, collapse = "\n")))

# 提取并解析dataframe
df_lines <- output_text[grep("fixed effects", output_text)+1 : length(output_text)]
fixed_effects_df <- eval(parse(text = paste(df_lines, collapse = "\n")))

注意：该方法依赖print()输出的文本格式稳定性，若lmmlasso的summary输出格式变更，需调整筛选逻辑。

方法3：用trace()函数追踪print()调用 #

通过trace()给print()函数插入钩子代码，自动捕获目标对象：

# 初始化存储列表
captured <- list()

# 给print函数添加追踪，捕获matrix和data.frame
trace(print, quote({
  if (inherits(x, "data.frame") || inherits(x, "matrix")) {
    captured[[length(captured)+1]] <<- x
  }
}), at = 1, print = FALSE)

# 运行summary函数
summary.foo()

# 移除追踪，恢复原函数行为
untrace(print)

# 提取对象
random_effects_mat <- captured[[1]]
fixed_effects_df <- captured[[2]]

内容的提问来源于stack exchange，提问作者huajun