R中使用mapply时subset参数的非标准求值问题

问题1：如何正确在mapply中使用subset参数 #

核心问题是mapply会提前对subset的表达式求值，而此时breaks仅存在于warpbreaks数据框中，不在mapply的调用环境里。我们需要延迟表达式的求值，让它在data的环境中解析。这里有两种可靠的解决方式：

方式1：用匿名函数包裹+传递未求值表达式

通过quote()传递未求值的subset条件，然后在匿名函数内部，利用eval()在warpbreaks的环境中解析表达式：

# xtabs的正确调用
mapply(FUN = function(form, sub_expr) {
  xtabs(formula = form, subset = eval(sub_expr, envir = warpbreaks), data = warpbreaks)
}, formula = list(~ wool, ~ wool + tension), subset = list(quote(breaks < 15), quote(breaks < 20)))

# aggregate的正确调用
mapply(FUN = function(form, sub_expr) {
  aggregate(formula = form, subset = eval(sub_expr, envir = warpbreaks), 
            data = warpbreaks, FUN = length)
}, formula = list(breaks ~ wool, breaks ~ wool + tension), subset = list(quote(breaks < 15), quote(breaks < 20)))

方式2：提取可变参数（更简洁）

如果你的subset条件是类似“小于某个阈值”的规则，可以把阈值作为独立参数传递，在匿名函数里直接写subset逻辑——此时xtabs/aggregate会自动在data环境中查找breaks：

# xtabs的简化写法
mapply(FUN = function(form, threshold) {
  xtabs(formula = form, subset = breaks < threshold, data = warpbreaks)
}, formula = list(~ wool, ~ wool + tension), threshold = c(15, 20))

# aggregate的简化写法
mapply(FUN = function(form, threshold) {
  aggregate(formula = form, subset = breaks < threshold, 
            data = warpbreaks, FUN = length)
}, formula = list(breaks ~ wool, breaks ~ wool + tension), threshold = c(15, 20))

问题2：为什么formula能正常工作，subset却不行？ #

这是因为R中公式对象有特殊的变量解析规则：

• 当你创建~ wool这样的公式时，它会附带一个环境属性（默认是创建它的环境，比如全局环境）。但xtabs/aggregate这类函数在处理公式时，会优先在data参数提供的数据框中查找变量，而不是公式的附带环境，所以wool能被正确找到。
• 而subset参数不是公式，它是一个逻辑向量或表达式。当你在mapply中写subset = list(breaks < 15, ...)时，mapply会立即在自己的调用环境（全局环境）中尝试求值这个表达式——但全局环境中没有breaks对象（breaks只存在于warpbreaks里），所以就抛出了object 'breaks' not found的错误。

简单总结：公式有“优先从data找变量”的特殊待遇，而subset的表达式在mapply传参阶段就被错误地在全局环境求值了。

内容的提问来源于stack exchange，提问作者Thomas