r - 如何在公式中使用字符串引用变量？

Question

在下面的最小示例中，我尝试在回归公式中使用字符串 vars 的值。但是，我只能将变量名称字符串(“v2+v3+v4”)传递给公式，而不是该字符串的真正含义(例如，“v2”是 dat$v2)。

我知道有更好的方法来运行回归(例如，lm(v1 ~ v2 + v3 + v4, data=dat))。我的情况比较复杂，我正在尝试弄清楚如何在公式中使用字符串。有什么想法吗？

更新了以下代码

# minimal example 
# create data frame
v1 <- rnorm(10)
v2 <- sample(c(0,1), 10, replace=TRUE)
v3 <- rnorm(10)
v4 <- rnorm(10)
dat <- cbind(v1, v2, v3, v4)
dat <- as.data.frame(dat)

# create objects of column names
c.2 <- colnames(dat)[2]
c.3 <- colnames(dat)[3]
c.4 <- colnames(dat)[4]

# shortcut to get to the type of object my full code produces
vars <- paste(c.2, c.3, c.4, sep="+")

### TRYING TO SOLVE FROM THIS POINT:
print(vars)
# [1] "v2+v3+v4"

# use vars in regression
regression <- paste0("v1", " ~ ", vars)
m1 <- lm(as.formula(regression), data=dat)

更新: @Arun 关于第一个示例中 v1 上缺少的“”是正确的。这修复了我的示例，但我的实际代码仍然存在问题。在下面的代码块中，我调整了示例以更好地反射(reflect)我的实际代码。我一开始认为问题出在字符串 vars 上，所以选择创建一个更简单的示例。

这是一个不起作用的示例:)使用上面创建的相同数据框dat。

dv <- colnames(dat)[1]
r2 <- colnames(dat)[2]
# the following loop creates objects r3, r4, r5, and r6
# r5 and r6 are interaction terms
for (v in 3:4) {
  r <- colnames(dat)[v]
  assign(paste("r",v,sep=""),r)
  r <- paste(colnames(dat)[2], colnames(dat)[v], sep="*")
  assign(paste("r",v+2,sep=""),r)
}

# combine r3, r4, r5, and r6 then collapse and remove trailing +
vars2 <- sapply(3:6, function(i) { 
                paste0("r", i, "+")
                })
vars2 <- paste(vars2, collapse = '')
vars2 <- substr(vars2, 1, nchar(vars2)-1)

# concatenate dv, r2 (as a factor), and vars into `eq`
eq <- paste0(dv, " ~ factor(",r2,") +", vars2)

问题是这样的:

print(eq)
# [1] "v1 ~ factor(v2) +r3+r4+r5+r6"

与第一个示例中的回归不同，eq不会引入列名称(例如v3)。对象名称(例如，r3)被保留。因此，以下 lm() 命令不起作用。

m2 <- lm(as.formula(eq), data=dat)

Answer 1

我发现这里出现了几个问题。首先，我认为这不会造成任何麻烦，但让我们一步创建数据框，这样就不会在 v1 到 v4 中 float 全局环境以及数据框架。其次，让我们在这里将 v2 作为一个因素，这样我们就不必在以后处理将其作为一个因素的问题。

dat <- data.frame(v1 = rnorm(10),
                  v2 = factor(sample(c(0,1), 10, replace=TRUE)),
                  v3 = rnorm(10),
                  v4 = rnorm(10) )

第一部分现在，对于您的第一部分，看起来这就是您想要的:

lm(v1 ~ v2 + v3 + v4, data=dat)

这是一种更简单的方法，但您仍然需要指定响应变量。

lm(v1 ~ ., data=dat)

或者，您当然可以使用粘贴来构建该函数并在其上调用lm。

f <- paste(names(dat)[1], "~", paste(names(dat)[-1], collapse=" + "))
# "v1 ~ v2 + v3 + v4"
lm(f, data=dat)

但是，在这些情况下我更喜欢使用do.call，它在将表达式传递给函数之前对其进行计算；这使得生成的对象更适合调用诸如 update 之类的函数。比较输出的 call 部分。

do.call("lm", list(as.formula(f), data=as.name("dat")))

第二部分关于你的第二部分，看起来这就是你想要的:

lm(factor(v2) + v3 + v4 + v2*v3 + v2*v4, data=dat)

首先，因为 v2 是数据框中的一个因素，所以我们不需要该部分，其次，可以通过更好地使用 R 的算术运算方法来创建交互来进一步简化这一点，像这样。

lm(v1 ~ v2*(v3 + v4), data=dat)

然后我只需使用 paste 创建该函数；即使在较大的情况下，带有 assign 的循环也可能不是一个好主意。

f <- paste(names(dat)[1], "~", names(dat)[2], "* (", 
           paste(names(dat)[-c(1:2)], collapse=" + "), ")")
# "v1 ~ v2 * ( v3 + v4 )"

然后可以直接使用 lm 或使用 do.call 调用它。

lm(f, data=dat)
do.call("lm", list(as.formula(f), data=as.name("dat")))

关于您的代码您在尝试使用r3等时遇到的问题是您想要变量r3的内容，而不是值r3。要获取该值，您需要像这样 get，然后使用 paste 将这些值折叠在一起。

vars <- sapply(paste0("r", 3:6), get)
paste(vars, collapse=" + ")

但是，更好的方法是避免分配并仅构建所需术语的向量，如下所示。

vars <- NULL
for (v in 3:4) {
  vars <- c(vars, colnames(dat)[v], paste(colnames(dat)[2], 
                                          colnames(dat)[v], sep="*"))
}
paste(vars, collapse=" + ")

一个更像 R 的解决方案是使用 lapply:

vars <- unlist(lapply(colnames(dat)[3:4], 
                      function(x) c(x, paste(colnames(dat)[2], x, sep="*"))))