R语言如何正确拼接线性模型公式中被拆分的字符串片段

问题背景 #

开发文本转线性模型公式表达式的函数时，长度过长的公式会被自动拆分为多个字符串片段，需要将属于同一个公式的片段正确拼接，不跨公式合并内容。

错误复现 #

输入数据特征 #

输入为嵌套列表结构，列表内每个元素对应一个公式：

• 短公式为长度1的字符向量，无需额外拼接
• 长公式为长度≥2的字符向量，每个元素是公式的一个分段，分段开头可能带缩进空格
  示例数据结构：

[[4]]$X7
[1] "lifespan ~ exposure + danger + body + brain"

[[4]]$X8
[1] "lifespan ~ danger + body + brain + nondream"

[[4]]$X9
[1] "lifespan ~ body + brain + nondream + dream"


[[8]]$X8
[1] "lifespan ~ danger + body + brain + nondream + dream + sleep + "
[2] "    gestation + predation"                                     

[[8]]$X9
[1] "lifespan ~ body + brain + nondream + dream + sleep + gestation + "
[2] "    predation + exposure"                                         

初始错误代码 #

最初的拼接代码存在语法和逻辑问题：

lapply(formula_pred, lapply(x)if(length(x)>= 2){paste(x, collapse="")})

错误输出 #

代码运行后会跨公式合并字符串，每个顶层列表仅返回一个错误拼接的长字符串：

[[1]]
[1] "lifespan ~ brainlifespan ~ nondreamlifespan ~ dreamlifespan ~ sleeplifespan ~ gestationlifespan ~ predationlifespan ~ exposurelifespan ~ dangerlifespan ~ body"

预期输出 #

• 短公式保留原有单字符串形式不变
• 长公式仅拼接自身对应的分段，同时去除分段缩进产生的多余空格，最终每个列表元素对应一个完整的公式字符串
  预期效果：

[[4]]$X7
[1] "lifespan ~ exposure + danger + body + brain"

[[4]]$X8
[1] "lifespan ~ danger + body + brain + nondream"

[[4]]$X9
[1] "lifespan ~ body + brain + nondream + dream"


[[8]]$X8
[1] "lifespan ~ danger + body + brain + nondream + dream + sleep + gestation + predation"                                     

[[8]]$X9
[1] "lifespan ~ body + brain + nondream + dream + sleep + gestation + predation + exposure"             

测试用完整数据 #

可直接运行复现问题的输入数据：

formula_pred <- list(list(X1 = "lifespan ~ brain", X2 = "lifespan ~ nondream", 
    X3 = "lifespan ~ dream", X4 = "lifespan ~ sleep", X5 = "lifespan ~ gestation", 
    X6 = "lifespan ~ predation", X7 = "lifespan ~ exposure", 
    X8 = "lifespan ~ danger", X9 = "lifespan ~ body"), list(X1 = c("lifespan ~ brain + nondream + dream + sleep + gestation + predation + ", 
"    exposure + danger"), X2 = c("lifespan ~ nondream + dream + sleep + gestation + predation + ", 
"    exposure + danger + body"), X3 = c("lifespan ~ dream + sleep + gestation + predation + exposure + ", 
"    danger + body + brain"), X4 = c("lifespan ~ sleep + gestation + predation + exposure + danger + ", 
"    body + brain + nondream"), X5 = c("lifespan ~ gestation + predation + exposure + danger + body + ", 
"    brain + nondream + dream"), X6 = c("lifespan ~ predation + exposure + danger + body + brain + nondream + ", 
"    dream + sleep"), X7 = c("lifespan ~ exposure + danger + body + brain + nondream + dream + ", 
"    sleep + gestation"), X8 = c("lifespan ~ danger + body + brain + nondream + dream + sleep + ", 
"    gestation + predation"), X9 = c("lifespan ~ body + brain + nondream + dream + sleep + gestation + ", 
"    predation + exposure")))

正确实现代码 #

fixed_formula <- lapply(formula_pred, function(inner_group) {
  lapply(inner_group, function(parts) {
    # 拼接当前公式的所有分段，去除首尾/缩进产生的多余空格
    trimws(paste(parts, collapse = ""))
  })
})

逻辑说明 #

• 双层lapply逐层遍历嵌套列表，保证每个公式独立处理，不会出现跨公式拼接的问题
• 对每个公式的内容，无论长度是1还是大于1，都通过paste(..., collapse = "")合并属于自身的所有片段
• 用trimws()清除拼接后字符串首尾的多余空格，自动消除长公式分段开头缩进产生的空白
  运行后返回的列表结构和预期完全一致，可直接将结果转为formula对象供线性模型调用。

内容的提问来源于stack exchange，提问作者Dollar Tune-bill