问题描述 #

我正在用R的bnlearn包处理贝叶斯网络，用cpquery()计算条件概率。手动写死变量名的时候代码能正常运行，但把逻辑封装成函数、用get()动态获取变量名时，要么报错要么返回错误结果。我猜是get()在cpquery()的内部环境里解析有问题，但不知道该怎么正确构造动态的event和evidence表达式。

可复现代码 #

手动运行版本（正常工作） #

这段代码硬编码变量名，能正确输出条件概率：

library(bnlearn)

# 创建测试数据集
set.seed(42)
data <- data.frame(
  x = runif(20, 0, 2),
  y = rnorm(20),
  z = runif(20, 0, 2)
)

# 定义简单DAG
dag <- model2network("[x][y][z|x:y]")

# 拟合贝叶斯网络
fitted_bn <- bn.fit(dag, data)

# 设置阈值参数
x_value <- 1
lower <- 0.5
upper <- 1.5

# 硬编码变量名的cpquery调用 - 正常工作
prob <- cpquery(
  fitted_bn,
  event = (z >= lower & z < upper),
  evidence = (x <= x_value)
)
print(prob)

函数封装版本（失效） #

这段函数里用get()动态指定变量名，在cpquery()内部会出错：

# 封装后的函数，cpquery内使用get()时失效
test_cpquery_function <- function(data, dag, var_x = "x", var_z = "z", var_y = "y") {
  # 拟合贝叶斯网络
  fitted_bn <- bn.fit(dag, data)
  
  # 设置阈值参数
  x_value <- 1
  lower <- 0.5
  upper <- 1.5
  
  # 尝试用get()动态指定变量 - 无法正常工作
  prob <- cpquery(
    fitted_bn,
    event = (get(var_z) >= lower & get(var_z) < upper),  # 问题行
    evidence = (get(var_x) <= x_value)                  # 问题行
  )
  print(prob)
}

# 调用函数
test_cpquery_function(data, dag)

错误信息 #

运行函数时会抛出以下错误：

Error in eval(evidence, generated.data, parent.frame()) : object 'var_x' not found

我的疑问 #

怎么在函数里动态传递变量名给cpquery()？因为实际场景中变量名可能不是固定的，必须支持动态传入。我知道问题出在get()的环境解析，但不知道该用什么方式替代——比如怎么构造正确的表达式字符串，或者有没有其他函数能替代get()来处理这种情况？