如何编写类似approxfun的返回特定函数的R函数？

需求说明 #

我想要编写一个能返回函数的函数，功能类似approxfun。现有初始化代码：

x <- 5:10
y <- x^2

需要的函数头为：

generate_function <- function(x, y) 

该函数返回的函数头为：

function(new_x)

返回值逻辑为：

if (new_x >= min(x) & (new_x <= max(x))) {
  fm <- loess(y ~ x)
  return(predict(fm, newdata = data.frame(x = new_x)))
} else return(<some_other_value>)

目前无法实现该功能，希望得到帮助，非常感谢！

解决方案 #

利用R的闭包特性，让返回的内部函数可以访问外部函数的参数，同时提前完成模型拟合优化性能，完整实现代码如下：

generate_function <- function(x, y) {
  # 提前拟合loess模型，避免每次调用重复计算
  fm <- loess(y ~ x)
  # 缓存x的范围，减少重复计算
  x_min <- min(x)
  x_max <- max(x)
  
  # 返回内部函数
  function(new_x) {
    if (new_x >= x_min && new_x <= x_max) {
      predict(fm, newdata = data.frame(x = new_x))
    } else {
      # 替换为你需要的默认值，比如0、"超出范围"等
      NA
    }
  }
}

测试示例 #

# 初始化数据
x <- 5:10
y <- x^2

# 生成自定义拟合函数
my_fun <- generate_function(x, y)

# 测试范围内的输入
my_fun(7.5)  # 返回接近56.25的预测值（7.5²）

# 测试范围外的输入
my_fun(4)    # 返回NA（可替换为自定义默认值）
my_fun(11)   # 返回NA

关键说明 #

• 闭包机制：内部函数function(new_x)可以访问外部函数中定义的fm、x_min、x_max，即使外部函数执行完毕，这些变量仍会被保留供内部函数使用。
• 性能优化：提前拟合loess模型和计算x的范围，避免每次调用返回函数时重复执行耗时操作。
• 自定义默认值：将代码中的NA替换为你需要的<some_other_value>即可。

内容的提问来源于stack exchange，提问作者Sebastian Gerdes