如何向量化R的plotmath表达式构建，批量生成带插值数据的椭圆标签

我最近在绘制对应不同置信水平的椭圆图，需要给每个椭圆添加包含卡方统计量的plotmath数学标签，但目前只能手动逐个创建lab1、lab2、lab3这样的表达式，想实现向量化批量生成，但直接把bquote结果放进向量的方法完全失效，想请教怎么解决这个问题？

原始实现（手动逐个创建标签） #

先贴出我当前能运行的完整代码，核心痛点就是标签部分需要手动写三次：

library(car) # 用于绘制椭圆
library(heplots) # 用于给椭圆添加标签

ybar <- c(0, 0)
S <- matrix(c(1, .5, .5, 2), 2, 2)
rownames(S) <- colnames(S) <- c("y1", "y2")

levels <- c(0.50, 0.68, 0.95) # 椭圆对应的置信水平
c <- qchisq(levels, df = 2) |> round(2) |> print()

# 这里是最想优化的部分——手动逐个创建标签表达式
lab1 <- bquote(paste("c =", chi[2]^2, "(", .(levels[1]), ") =", .(c[1])))
lab2 <- bquote(paste("c =", chi[2]^2, "(", .(levels[2]), ") =", .(c[2])))
lab3 <- bquote(paste("c =", chi[2]^2, "(", .(levels[3]), ") =", .(c[3])))

# 绘制椭圆并添加标签
e1 <- ellipse(ybar, S, radius=qchisq(levels[1], 2), 
              col = "blue", fill=TRUE, fill.alpha = 0.5, 
              add=FALSE, xlim=c(-8, 8), ylim=c(-9.5, 9.5), 
              asp=1, grid = FALSE, xlab = expression(y[1]), ylab = expression(y[2]), cex.lab = 1.5)
label.ellipse(e1, label = lab1, label.pos = "S", cex = 1.2)

e2 <- ellipse(ybar, S, radius=qchisq(levels[2], 2), col="blue", fill=TRUE, fill.alpha=0.3)
label.ellipse(e2, label = lab2, label.pos = "N", cex = 1.2)

e3 <- ellipse(ybar, S, radius=qchisq(levels[3], 2), col="blue", fill=TRUE, fill.alpha=0.1)
label.ellipse(e3, label = lab3, label.pos = "N", cex = 1.2)

我尝试过的方法（但失败了） #

我本来想直接把bquote的结果塞进向量里，像这样简化代码：

# 尝试向量化，但运行后椭圆上完全不显示标签
lab <- c(
  bquote(paste("c =", chi^2, "(", .(levels[1]), ") =", .(c[1]))),
  bquote(paste("c =", chi^2, "(", .(levels[2]), ") =", .(c[2]))),
  bquote(paste("c =", chi^2, "(", .(levels[3]), ") =", .(c[3])))
)
# 之后用lab[1], lab[2]调用label.ellipse，但没有任何标签显示

结果椭圆上完全看不到标签，显然这种方法不太行。

可行的解决方案 #

方案1：用Map/lapply批量生成标签表达式

bquote本身不是向量化函数，我们可以用Map（或lapply）遍历levels和c的每个元素，批量生成符合要求的plotmath表达式对象：

# 批量生成标签表达式
lab <- Map(function(lev, ci) {
  bquote(paste("c =", chi[2]^2, "(", .(lev), ") =", .(ci)))
}, levels, c)

# 也可以用lapply的写法（结果完全一致）
# lab <- lapply(seq_along(levels), function(i) {
#   bquote(paste("c =", chi[2]^2, "(", .(levels[i]), ") =", .(c[i])))
# })

甚至可以把椭圆绘制的代码也一起批量处理，不用重复写三次：

# 先初始化绘图画布
plot(NA, xlim=c(-8, 8), ylim=c(-9.5, 9.5), asp=1, grid=FALSE, 
     xlab=expression(y[1]), ylab=expression(y[2]), cex.lab=1.5)

# 批量绘制椭圆+添加标签
Map(function(lev, ci, lbl, alpha) {
  e <- ellipse(ybar, S, radius=qchisq(lev, 2), col="blue", fill=TRUE, fill.alpha=alpha, add=TRUE)
  # 给第一个椭圆单独设置标签位置
  label.pos <- ifelse(lev == levels[1], "S", "N")
  label.ellipse(e, label=lbl, label.pos=label.pos, cex=1.2)
}, levels, c, lab, c(0.5, 0.3, 0.1))

这样扩展更多置信水平的椭圆也非常方便，只要修改levels向量就行。

方案2：用Vectorize包装bquote实现“内部”向量化

如果你想要更贴近“向量化函数”的写法，可以用Vectorize把bquote包装成支持向量化输入的函数：

# 定义向量化的bquote函数
bquote_vec <- Vectorize(function(lev, ci) {
  bquote(paste("c =", chi[2]^2, "(", .(lev), ") =", .(ci)))
}, vectorize.args = c("lev", "ci"))

# 直接生成标签列表
lab <- bquote_vec(levels, c)

生成的lab是包含三个plotmath表达式的列表，完全可以直接用于label.ellipse。

方案3：用latex2exp简化plotmath写法

如果觉得bquote的语法有点繁琐，可以用latex2exp包把LaTeX语法转换成R的plotmath表达式，而且它天然支持向量化：

install.packages("latex2exp")
library(latex2exp)

# 用LaTeX语法批量生成标签，自动向量化
lab <- TeX(sprintf("c = \\chi_2^2(%s) = %s", levels, c))

这种方式可读性更高，用LaTeX写数学公式也更顺手，生成的lab直接可以按索引调用。

为什么直接用c()组合bquote结果不行？ #

因为bquote返回的是call类型的对象，当你用c()把它们组合时，R会自动把这些call对象强制转换成字符串，而label.ellipse需要的是plotmath表达式（call或expression对象），所以就不会显示标签了。而Map、lapply或Vectorize的结果是列表，每个元素都保持了原来的call类型，因此能被正确识别。

内容来源于stack exchange