R函数调用GLM传入权重参数时出现‘对象未找到’错误求助

问题场景 #

给R包函数传入权重参数时出现错误：调用函数时通过weights = c("kernel_wght")指定权重，函数内部通过以下代码创建weight数据框：

weight1 <- sprintf("dataarg$%s", weights)
weight <- as.data.frame(eval(parse(text = weight1)))

但执行glm调用时：

result1 <- glm(f1, family="gaussian", weights=weight, data=dataarg)

抛出错误：

Error in (function (arg) : object 'weight' not found

明明能打印weight确认其存在，但glm就是无法识别，需要明确原因和解决办法。

复现代码 #

模拟多重插补数据 #

dat <- c(1, 1, 0, .5, 1, 3, 0,  1, 1, 4, 0, .5, 1, 5, 1,  1, 1, 2, 1, 
 .5,
     2, 7, 1,  1, 2, 3, 0, .5, 2, 2, 0,  1, 2, 4, 1, .5)
dat <- data.frame(matrix(dat,ncol=4, byrow=T))
colnames(dat) <- c("id", "y", "tx", "wt")

imp_lst <- lapply(1:2, function(s) dplyr::filter(dat, id == s))
for (i in 1:length(imp_lst)) { assign(paste0("imp", i), 
as.data.frame(imp_lst[[i]])) }

df_lst <- list()
for (i in 1:length(imp_lst)) { 
  assign(paste0("imp", i), as.data.frame(imp_lst[[i]]))
  df_lst <- append(df_lst, list(get(paste0("imp", i))))
  names(df_lst)[i] <- paste0("imp", i)
}

出错的示例函数 #

my_ex <- function(datasets, y, treatment, weights=NULL, ...) {
 data <- names(datasets)

  for (i in 1:length(treatment)) {
    d1 <- sprintf("datasets$%s", data[i])
    dataarg <- eval(parse(text=d1))
    print(dataarg)

    if(!is.null(weights)) {
      weight1 <- sprintf("dataarg$%s", weights)
      weight <- as.data.frame(eval(parse(text = weight1)))
      print(weight)
    } else {
      dataarg$weight <- weight <- rep(1,nrow(dataarg))
    }

  f1 <- sprintf("%s ~ %s ", y, treatment)
  print(f1)
  result1 <- glm(f1, family="gaussian", weights=weight, data=dataarg)
  print(summary(result1))
  }
}

触发错误的调用 #

testrun <- my_ex(df_lst, y = c("y","y"), treatment = c("tx","tx"), weights = c("wt","wt"))

错误原因 #

1. 环境解析问题：当glm接收字符串形式的公式时，会默认在data参数指定的dataarg数据框环境中查找所有变量，包括weights参数。但你定义的weight是在函数的局部环境里，不在dataarg的环境范围内，所以glm找不到它。
2. 参数类型错误：glm的weights参数要求传入数值向量，但你把权重转成了数据框，这也是潜在的问题点。

解决办法 #

方法1：将权重向量加入数据框 #

把权重作为新列添加到dataarg中，让glm能在数据框环境里找到它：

my_ex <- function(datasets, y, treatment, weights=NULL, ...) {
 data <- names(datasets)

  for (i in 1:length(treatment)) {
    # 替换eval(parse)，直接用列表索引获取数据
    dataarg <- datasets[[data[i]]]
    print(dataarg)

    if(!is.null(weights)) {
      # 直接提取数值向量，不要转成数据框
      weight <- dataarg[[weights[i]]]
      # 添加到数据框
      dataarg$model_weight <- weight
      print(weight)
    } else {
      weight <- rep(1,nrow(dataarg))
      dataarg$model_weight <- weight
    }

    f1 <- sprintf("%s ~ %s ", y[i], treatment[i])
    print(f1)
    # 引用数据框中的权重列
    result1 <- glm(f1, family="gaussian", weights=model_weight, data=dataarg)
    print(summary(result1))
  }
}

方法2：将字符串公式转为formula对象 #

formula对象会让glm优先在当前函数的局部环境中查找变量，同时把数据框转成向量传入：

my_ex <- function(datasets, y, treatment, weights=NULL, ...) {
 data <- names(datasets)

  for (i in 1:length(treatment)) {
    dataarg <- datasets[[data[i]]]
    print(dataarg)

    if(!is.null(weights)) {
      weight <- dataarg[[weights[i]]]
      print(weight)
    } else {
      weight <- rep(1,nrow(dataarg))
    }

    # 转为formula对象
    f1 <- as.formula(sprintf("%s ~ %s ", y[i], treatment[i]))
    print(f1)
    # 传入数值向量
    result1 <- glm(f1, family="gaussian", weights=weight, data=dataarg)
    print(summary(result1))
  }
}

方法3：彻底移除eval(parse) #

原代码中大量使用eval(parse)不仅容易引发环境问题，还降低了代码可读性和安全性，直接用列表/数据框索引替换即可，如上面两种方法中的dataarg <- datasets[[data[i]]]和weight <- dataarg[[weights[i]]]。

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