您能否向我解释为什么代码会抱怨说找不到Samdat？
我试图在模型之间切换，所以我声明了一个包含这些特定模型的函数，我只需要将此函数作为get.f函数中的一个参数调用，其中重新采样将改变结构模型中的每个设计矩阵。代码抱怨找不到Samdat。
另外，有没有办法可以创建条件语句if(Model == M1())，而不必创建另一个参数M来设置if(M==1)？
这是我的代码：
dat <- cbind(Y=rnorm(20),rnorm(20),runif(20),rexp(20),rnorm(20),runif(20), rexp(20),rnorm(20),runif(20),rexp(20))
nam <- paste("v",1:9,sep="")
colnames(dat) <- c("Y",nam)
M1 <- function(){
a1 = cbind(Samdat[,c(2:5,7,9)])
b1 = cbind(Samdat[,c(2:4,6,8,7)])
c1 = b1+a1
list(a1=a1,b1=b1,c1=c1)}
M2 <- function(){
a1= cbind(Samdat[,c(2:5,7,9)])+2
b1= cbind(Samdat[,c(2:4,6,8,7)])+2
c1 = a1+b1
list(a1=a1,b1=b1,c1=c1)}
M3 <- function(){
a1= cbind(Samdat[,c(2:5,7,9)])+8
b1= cbind(Samdat[,c(2:4,6,8,7)])+8
c1 = a1+b1
list(a1=a1,b1=b1,c1=c1)}
#################################################################
get.f <- function(asim,Model,M){
sse <-c()
for(i in 1:asim){
set.seed(i)
Samdat <- dat[sample(1:nrow(dat),nrow(dat),replace=T),]
Y <- Samdat[,1]
if(M==1){
a2 <- Model$a1
b2 <- Model$b1
c2 <- Model$c1
s<- a2+b2+c2
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
coff <-Model$cof
sse <-c(sse,coff)
}
else if(M==2){
a2 <- Model$a1
b2 <- Model$b1
c2 <- Model$c1
s<- c2+12
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
coff <-Model$cof
sse <-c(sse,coff)
}
else {
a2 <- Model$a1
b2 <- Model$b1
c2 <- Model$c1
s<- c2+a2
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
coff <- Model$cof
sse <-c(sse,coff)
}
}
return(sse)
}
get.f(10,Model=M1(),M=1)
get.f(10,Model=M2(),M=2)
get.f(10,Model=M3(),M=3)
答案 0 :(得分：9)
您可能想查看R scoping rules。特别是，没有理由期望在函数中定义的变量在其他函数中可见。
您可能会感到困惑，因为全局环境（即所有函数外的顶层）是此规则的例外。我不打算回答你的其他问题，但让我注意到整个脚本看起来很混乱 - 即M1到M3本质上是一个函数，而复制/一团粘贴get.f绝对是可怕的。无论你想做什么，都可以用一种不太复杂的方式写出来。
让我们首先看一下M - 为什么没有一个带参数的函数？包括范围问题的解决方案，它产生两个参数 -
M <- function(sampleData, offset) {
a1 = sampleData[,c(2:5,7,9)] + offset
b1 = sampleData[,c(2:4,6,8,7)] + offset
c1 = b1+a1
list(a1=a1,b1=b1,c1=c1)
}
如果您坚持定义别名，您也可以执行类似
的操作M1 <- function(sampleData) M(sampleData, 0)
M2 <- function(sampleData) M(sampleData, 2)
M3 <- function(sampleData) M(sampleData, 8)
这已经不那么重复，但理想情况下你希望计算机为你做重复（DRY!）：
offsets <- c(0,2,8)
Models <- sapply(offsets, FUN=function(offset) function(sampleData) M(sampleData, offset))
关注get.f，你要做的事情并不十分清楚 - 你正在尝试适应某些东西并从结果中收集一些东西，但关于Model$cof的部分是指未定义的变量（您的Model只有a1，b1和c1条目。假设您要实际收集cof并丢弃临时代码，get.f可能如下所示：
M <- function(sampleData, offset) {
a1 = sampleData[,c(2:5,7,9)] + offset
b1 = sampleData[,c(2:4,6,8,7)] + offset
c1 = b1+a1
list(a1=a1,b1=b1,c1=c1)
}
get.f <- function(asim,Model,M){
sse <-c()
for(i in 1:asim){
set.seed(i)
Samdat <- dat[sample(1:nrow(dat),nrow(dat),replace=T),]
Y <- Samdat[,1]
model <- Model()
if(M==1){
a2 <- model$a1
b2 <- model$b1
c2 <- model$c1
s<- a2+b2+c2
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
sse <-c(sse,cof)
}
else if(M==2){
a2 <- model$a1
b2 <- model$b1
c2 <- model$c1
s<- c2+12
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
sse <-c(sse,cof)
}
else {
a2 <- model$a1
b2 <- model$b1
c2 <- model$c1
s<- c2+a2
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
sse <-c(sse,cof)
}
}
return(sse)
}
get.f(10,Model=M1,M=1)
get.f(10,Model=M2,M=2)
get.f(10,Model=M3,M=3)
那仍然非常重复，所以我们为什么不考虑一下呢？您对样品所做的一切就是从它们中计算出一列用于您的样品。我不明白为什么你需要在M函数中进行计算，然后在get.f中提取单个值（取决于你使用的特定M） - 这似乎表明提取应该更多地是M的一部分...但是如果你需要将它们分开，那么，让我们使用单独的提取功能。在合理编写的R中仍然有一半的代码大小：
# Set up test data
dat <- cbind(Y=rnorm(20),rnorm(20),runif(20),rexp(20),rnorm(20),runif(20), rexp(20),rnorm(20),runif(20),rexp(20))
nam <- paste("v",1:9,sep="")
colnames(dat) <- c("Y",nam)
# calculate a1..c1 from a sample
M <- function(sampleData, offset) {
a1 = sampleData[,c(2:5,7,9)] + offset
b1 = sampleData[,c(2:4,6,8,7)] + offset
c1 = b1+a1
list(a1=a1,b1=b1,c1=c1)
}
# create a fixed-offset model from the variable offset model by fixing offset
makeModel <- function(offset) function(sampleData) M(sampleData, offset)
# run model against asim subsamples of data and collect coefficients
get.f <- function(asim,model,expected)
sapply(1:asim, function (i){
set.seed(i)
Samdat <- dat[sample(1:nrow(dat),nrow(dat),replace=T),]
Y <- Samdat[,1]
s <- expected(model(Samdat))
fit <- lm(Y~s)
sum(summary(fit)$coef[,1])
})
# list of models to run and how to extract the expectation values from the model reslts
todo <- list(
list(model=makeModel(0), expected=function(data) data$a1+data$b1+data$c1),
list(model=makeModel(2), expected=function(data) data$c1+12),
list(model=makeModel(8), expected=function(data) data$c1+data$a1))
sapply(todo, function(l) { get.f(10, l$model, l$expected)})
答案 1 :(得分：4)
致电时
get.f(10, Model=M1(), M=1)
立即调用您的M1函数。它会在M1的正文中消失，因为Samdat只在get.f的正文中使用M1。
不知何故，您需要在定义 Samdat后致电M1 。这样做的一种方法是使get.f（函数）成为get.f的参数并从get.f <- function(asim, Model.fun, M) {
...
Sambat <- ...
Model <- Model.fun()
...
}
get.f(10, Model.fun = M1, M=1)
内部调用函数：
M1另外，一般来说，使用全局变量编程很糟糕，即使函数使用在其范围之外定义的变量。相反，建议将函数使用的所有内容作为输入参数传递。您的代码中有两种此类情况：M2（M3和Samdat）使用get.f而dat使用M1 <- function(sampled.data) {
a1 <- sampled.data[, c("v1", "v2", "v3", "v4", "v6", "v8")]
b1 <- sampled.data[, c("v1", "v2", "v3", "v5", "v7", "v6")]
c1 <- a1 + b1
list(a1 = a1, b1 = b1, c1 = c1)
}
get.f <- function(dat, asim, Model.fun, offset, M) {
sse <- c()
for(i in 1:asim){
set.seed(i)
Samdat <- dat[sample(1:nrow(dat), nrow(dat), replace = TRUE), ]
Y <- Samdat[, "Y"]
Model <- Model.fun(sampled.data = Samdat)
a2 <- Model$a1
b2 <- Model$b1
c2 <- Model$c1
s <- switch(M, a2 + b2 + c2, c2 + 12, c2 + a2)
fit <- lm(Y ~ s)
cof <- sum(summary(fit)$coef[,1])
coff <- Model$cof # there is a problem here...
sse <- c(sse, coff) # this is not efficient
}
return(sse)
}
dat <- cbind(Y = rnorm(20), v1 = rnorm(20), v2 = runif(20), v3 = rexp(20),
v4 = rnorm(20), v5 = runif(20), v6 = rexp(20),
v7 = rnorm(20), v8 = runif(20), v9 = rexp(20))
get.f(dat, 10, Model.fun = M1, M = 1)
。它们应该是你的功能的参数。这是一个更好的代码版本。我还没有解决所有问题，所以你必须多做一些才能让它发挥作用：
s跳出来的最后一件事：如果switch()的定义（我在Model下收集的内容与您使用的Model相关，那么请考虑合并{{1}的定义}和s一起：将s添加到M1，M2，M3函数的列表输出中，以便s可以定义为s <- Model$s，然后您可以将M输入放到get.f。