R语言中如何基于自定义函数实现一阶导数的优雅计算

下面提供3种不同场景的实现方式，均不需要你手动写expression对象：

方案1：从自定义函数提取表达式生成导函数（无额外依赖，完全匹配你的写法需求） #

直接提取你写的自定义函数的函数体作为求导表达式，求导后封装为可调用函数即可：

f = function(x){
  x^3+2*x+1
}
# 提取函数体做符号求导
f_deriv_expr <- D(body(f), "x")
# 封装为可直接调用的导函数
fPrime <- function(x) eval(f_deriv_expr)

# 测试调用
fPrime(2)
# 输出结果：14

方案2：用base R自带deriv函数生成向量化导函数（更优雅的原生方案） #

deriv是R原生提供的符号求导工具，支持直接生成可调用函数，默认支持多值向量化输入，实用性更高：

# 直接生成包含原函数值和导数的调用函数
f_with_deriv <- deriv(~ x^3 + 2*x + 1, "x", func = TRUE)
# 封装为纯导函数
fPrime <- function(x) as.numeric(attr(f_with_deriv(x), "gradient"))

# 支持单值输入
fPrime(2)
# 输出结果：14

# 也支持向量化多值输入
fPrime(c(1,2,3))
# 输出结果：5 14 29

方案3：数值微分方案（适合无法做符号求导的复杂函数） #

如果你的函数逻辑非常复杂，无法通过符号求导解析，可以用数值微分方案，直接对自定义函数求导：

# 首次使用需要先安装：install.packages("numDeriv")
library(numDeriv)
f = function(x){
  x^3+2*x+1
}
# 直接生成导函数
fPrime <- function(x) grad(f, x)

fPrime(2)
# 输出结果：14

• 方案1逻辑最简单，完全贴合你想要的自定义函数输入写法，无额外依赖，适合简单场景使用
• 方案2为原生最优方案，不需要额外安装包，还支持向量化输入，是绝大多数场景的首选
• 方案3适配复杂函数求导场景，不需要处理表达式逻辑，适用范围最广

内容的提问来源于stack exchange，提问作者user16971617