R中函数内使用公式时如何正确设置dataframe的作用域

这个问题是R公式的环境绑定机制和survminer包surv_pvalue函数的变量查找逻辑共同导致的：

• R中创建的公式对象会默认绑定它生成时所在的环境，你在函数内部写的公式，绑定的是函数的临时执行环境，函数运行结束后这个环境默认会被回收，相关变量就找不到了
• surv_pvalue计算p值时需要重新评估公式里的变量，默认优先从公式绑定的环境查找，而不是直接从survfit返回的拟合对象里提取数据，就会报变量找不到的错误

你直接在全局环境运行没问题，是因为公式绑定的是全局环境，变量一直存在不会被回收。

推荐优先级从高到低：

1. 给surv_pvalue显式传入data参数（最简单无副作用） #

直接把你用来拟合的data框传给surv_pvalue的data参数，它就会优先从你传的data里找变量，不需要去公式环境查找，改动最小：

library(survival)
library(survminer)
set.seed(1)

give_p_val <- function() {
  df <- data.frame('OS' = ovarian[, 'futime'], 'Survival_event' = ovarian[, 'fustat'])
  subgroup <- sample(nrow(df), nrow(df)/2)
  df$Class <- 'A'
  df$Class[subgroup] <- 'B'
  
  fit2 <- survfit(Surv(OS, Survival_event) ~ Class, data=df) 
  # 显式传data参数
  return(surv_pvalue(fit2, data = df))
}
give_p_val( )

另一个测试用例修改后也可以正常运行：

testit<-function(){
  ovarian2 <- ovarian
  fit2 <- survfit(Surv(futime, fustat) ~ rx, data=ovarian2)
  return(surv_pvalue(fit2, data = ovarian2))
}
testit()

2. 创建公式时显式指定绑定环境 #

如果不想每次都传data参数，可以在创建公式时手动指定绑定的环境，确保变量查找路径正确：

give_p_val <- function() {
  df <- data.frame('OS' = ovarian[, 'futime'], 'Survival_event' = ovarian[, 'fustat'])
  subgroup <- sample(nrow(df), nrow(df)/2)
  df$Class <- 'A'
  df$Class[subgroup] <- 'B'
  # 显式指定公式绑定当前函数环境
  form <- as.formula(Surv(OS, Survival_event) ~ Class, env = environment())
  fit2 <- survfit(form, data=df) 
  return(surv_pvalue(fit2))
}

不推荐的方案 #

不要用<<-或者assign把函数内部的data框写到全局环境，这种做法会污染全局命名空间，多线程运行或者多函数调用时很容易出现变量冲突，导致不可预期的错误。

内容的提问来源于stack exchange，提问作者OatMeal