R语言lm函数循环调用时subset参数识别异常求解

这是R基础建模函数非标准求值机制导致的经典作用域坑：
lm()对subset参数采用非标准求值，查找变量的路径默认只有两个优先级：

• 先找传入data参数里的列
• 找不到就去全局环境找

它不会回溯到外层lapply/mapply的匿名函数执行环境，所以你在循环函数里定义的局部变量x、y，对lm的subset求值逻辑来说是完全不可见的。

对应两种失效写法的具体表现：

• 第一种lapply写法没报错但所有模型结果一致：是因为你的全局环境里恰好存在一个名为x的历史对象，lm找不到循环内的x，就直接复用全局的x计算筛选条件，每次循环的子集根本没变化，输出结果自然完全相同。
• 第二种mapply写法报object 'y' not found：是因为你的全局环境里没有名为y的对象，lm找了一圈没找到y，直接抛出错误。

你写的先调用subset()筛数据再传给lm的写法之所以能跑，是因为子集筛选的逻辑是在lapply的匿名函数内部执行的，这时候找x的路径是当前函数环境，能正常拿到每次循环的排除名单，筛完的数据直接传给lm，不需要lm自己处理subset的变量查找，自然不会出问题。

推荐两种无环境依赖、可复现性强的写法，不需要依赖额外宏包，也不会踩非标准求值的坑：

写法1：提前筛完训练数据再建模（最稳妥） #

直接在循环内部先完成数据子集筛选，把清洗好的训练数据传给lm，完全绕开lm的subset参数求值问题：

library(faraway)
data(savings)
form <- "sr ~ pop75 + dpi + ddpi + pop15"
label_res <- list(pop75 = c("Ireland", "Japan"), 
                  dpi = c("Ireland", "Sweden", "United States"), 
                  ddpi = "Libya", 
                  pop15 = c("Japan", "Libya"))

model_list <- lapply(label_res, function(exclude_names){
  # 先在当前函数环境完成行筛选
  train_data <- savings[!rownames(savings) %in% exclude_names, ]
  lm(form, data = train_data)
})

写法2：提前计算好子集逻辑向量再传给subset #

如果一定要用lm的subset参数，不要在参数位置写依赖局部变量的表达式，提前在当前函数环境算好和数据行数一致的逻辑向量，直接传值给subset即可，不需要lm再做变量查找：

model_list2 <- lapply(label_res, function(exclude_names){
  # 提前算好逻辑向量
  sub_logic <- !rownames(savings) %in% exclude_names
  lm(form, data = savings, subset = sub_logic)
})

不要用把循环变量赋值到全局环境的野路子解决问题，代码换个运行环境、或者全局变量被意外修改就会出不可复现的错误。

内容的提问来源于stack exchange，提问作者Emil11