结合map与tidyeval建模包装器时避免表达式内联的方法

问题根源 #

原包装器中用enexpr(data)捕获数据参数的表达式，但在purrr::map遍历嵌套数据时，data传入的是每个子数据框的实际对象而非变量名。enexpr(data)会把这个对象的字面量（完整数据集内容）捕获下来，注入到lm调用后，就导致模型call字段显示冗长的具体数据，而非简洁的变量标识。

修正后的包装器 #

我们不需要捕获data的表达式——嵌套场景下data是直接传入的实际数据对象，直接使用即可。只需要捕获公式中响应变量和特征变量的表达式，动态构建公式：

library(rlang)
library(tidyverse)

lm_wrap <- function(data, traits, resp, ...) {
  # 捕获响应变量与特征变量的表达式
  resp_expr <- enexpr(resp)
  traits_expr <- enexpr(traits)
  
  # 动态构建公式
  model_formula <- new_formula(resp_expr, traits_expr)
  
  # 直接调用lm，传入实际数据对象
  lm(model_formula, data = data, ...)
}

测试验证 #

单例场景 #

lm_wrap(data = mtcars, resp = mpg, traits = hp)

输出的模型调用依然清晰：

#Call:
#lm(formula = mpg ~ hp, data = mtcars)

#Coefficients:
#(Intercept)           hp  
# 30.09886     -0.06823

嵌套数据场景 #

mt_nested <- mtcars %>% 
  group_by(cyl) %>% 
  nest() %>%
  mutate(model = map(data, lm_wrap, resp = mpg, traits = hp))

mt_nested$model[[1]]$call

现在模型调用中的data参数显示为变量名（而非具体数据内容）：

lm(formula = mpg ~ hp, data = data)

最佳实践建议 #

• 区分数据对象与表达式变量：建模包装器中，数据通常是直接传入的对象，无需捕获其表达式；公式中的变量（响应、特征）才需要动态捕获表达式来构建灵活的公式。
• 用new_formula构建公式：比手动拼接表达式更安全，能正确处理复杂变量组合（比如交互项、多项式）。
• 避免过度捕获：只捕获需要动态生成的部分，其他参数（如...）直接传递给底层建模函数即可，减少不必要的复杂度。
• 兼顾两种使用场景：测试单例数据框和嵌套数据框的使用情况，确保包装器在不同场景下都能生成可读性强的模型调用，且模型结果正确。
• 保留元信息替代依赖call：若需要追踪模型对应的分组信息，可在嵌套数据框中保留分组列（如cyl），而非依赖模型call中的data名称，这样更直观可靠。

内容的提问来源于stack exchange，提问作者Matt