R函数内xtabs公式调用时动态变量识别报错问题

使用data.table封装分组计算均值、生成交叉表的函数时，传入动态生成的列名触发如下报错：

Error in model.frame.default(formula = mean_val_by_var ~ cat, data = dat) : 
  variable lengths differ (found for 'cat')
Called from: model.frame.default(formula = mean_val_by_var ~ cat, data = dat)

原始测试代码如下：

library(data.table)
dat <- data.table(type=c("V","X","Y","Z","V","X","Y","Z"), cat=c("A", "B", "A", "B","C", "D","C", "D"), val=c(2,2,3,4,5,6,7,6) )

myfun <- function(dat, by_var, value="val") {
  mean_val_by_var <- paste0("mean_val_by_", by_var)
  print(mean_val_by_var) # [1] "mean_val_by_cat"
  print(value) # [1] "val"
  print(by_var) # [1] "cat"
  dat[, (mean_val_by_var) :=  mean(get(value)), by=c(by_var)]
  xtabs(mean_val_by_var ~ cat, dat)
}

myfun(dat, by_var="cat")

• R的公式对象不会自动解析环境中的字符串变量作为数据列名：mean_val_by_var是存储了目标列名的长度为1的字符向量，直接写在公式左侧时，R不会到dat中匹配同名列，只会将这个长度1的向量和右侧长度为8的cat列做对齐，最终触发长度不匹配错误。
• 原函数交叉表的分组列硬编码为cat，传入其他分组变量时函数无法适配，通用性差。

核心是通过reformulate()动态生成公式对象，让R正确识别字符串对应的列名，同时把硬编码的分组列替换为参数传入的变量名，修复后的代码如下：

myfun <- function(dat, by_var, value="val") {
  mean_val_by_var <- paste0("mean_val_by_", by_var)
  # 分组计算均值，原data.table赋值逻辑正确无需修改
  dat[, (mean_val_by_var) :=  mean(get(value)), by = by_var]
  # 动态构建xtabs所需公式，自动识别字符串对应的列名
  tab_formula <- reformulate(termlabels = by_var, response = mean_val_by_var)
  xtabs(formula = tab_formula, data = dat)
}

# 测试运行
myfun(dat, by_var="cat")

运行输出符合预期：

cat
  A   B   C   D 
2.5 3.0 6.0 6.0 

注：你注释中写的A=5、B=6、C=12、D=12是分组求和的结果，如果需要求和把代码里的mean()替换为sum()即可。

如果不想用reformulate()，也可以手动拼接字符串后转为公式对象，效果完全一致：

tab_formula <- as.formula(paste(mean_val_by_var, "~", by_var))

内容的提问来源于stack exchange，提问作者Tom