Question

我有一个非常复杂的S4对象（来自lavaan模型的输出），其中插槽内的插槽和变量（$）内的插槽位于每个最深插槽的最深层。如何提取和存储此对象中每个元素的object.size（以及可能的其他函数，如length和dim以及对象名称），以便我可以将其与另一个对象进行比较同一个班级？

我已经尝试存储来自str(obj)和unclass(obj)的输出，然后操纵输出以提取我想要的信息，但结果却非常繁琐。循环使用名字同样困难。有没有办法将对象“扁平”成列表？是否有任何人可以想到的递归函数反复挖掘每个插槽？

修改

以下是一个示例，使用上面引用的lavaan包，但理想情况下，解决方案不应该依赖于特定的对象类，并且可以跨类工作：

library(lavaan)
model <- '
  # measurement model
    ind60 =~ x1 + x2 + x3
    dem60 =~ y1 + y2 + y3 + y4
    dem65 =~ y5 + y6 + y7 + y8
  # regressions
    dem60 ~ ind60
    dem65 ~ ind60 + dem60
  # residual correlations
    y1 ~~ y5
    y2 ~~ y4 + y6
    y3 ~~ y7
    y4 ~~ y8
    y6 ~~ y8
'         
fit <- sem(model, data=PoliticalDemocracy)

对象fit里面包含许多插槽和对象。当然，我可以从object.size(fit@Data@X[[1]])等特定元素中提取信息，但我正在寻找一种通用的解决方案。挑战在于我想要提取有关每个元素的相同信息，无论其“深度”如何。

谢谢！

Answer 1

似乎purrr包可能对此有帮助，尤其是flatten，transpose，map / at_depth等功能 - 与char矢量结合作为输入您可以轻松地从深层嵌套列表中提取内容。例如，你可以写下＆＃34;提取器＆＃34;您需要分离的函数，然后将它们全部存储在列表中，并使用invoke（也来自purrr）将您的对象作为唯一的arg或许多此类对象的invoke_map。

修改
以下是一些代码，可帮助您从一个或多个object.size(fit@Data@X[[1]])对象中提取lavaan。由于您感兴趣的插槽，实际上很可能在不同的深度，我的猜测是没有简单的通用解决方案。
这个想法是，一旦你知道你感兴趣的确切元素 - 编写一些辅助函数来操作单个/多个这样的对象是相当简单的。我上面提到的功能为实现这一目标提供了友好的捷径如果我可以提供进一步的帮助，请告诉我。

library("lavaan") library("tidyverse") model <- ' # measurement model ind60 =~ x1 + x2 + x3 dem60 =~ y1 + y2 + y3 + y4 dem65 =~ y5 + y6 + y7 + y8 # regressions dem60 ~ ind60 dem65 ~ ind60 + dem60 # residual correlations y1 ~~ y5 y2 ~~ y4 + y6 y3 ~~ y7 y4 ~~ y8 y6 ~~ y8 ' # say you have 3 different models fit1 <- sem(model, data=PoliticalDemocracy) fit2 <- sem(model, data=PoliticalDemocracy) fit3 <- sem(model, data=PoliticalDemocracy) # S4 objects have function slot() function for accessing so object.size(fit@Data@X[[1]]) # becomes slot(slot(fit, "Data"), "X")[[1]] # since fit is an S4 object - you have to wrap it up # in a list to manipulate it easier. # above code becomes : list(fit1) %>% map(~ slot(., "Data")) %>% map(~ slot(., "X")) %>% flatten %>% map(object.size) # wrap up the above code in a helper function ... extr_obj_size <- function(lavaan_fit) { list(lavaan_fit) %>% map(~ slot(., "Data")) %>% map(~ slot(., "X")) %>% map(object.size) } extr_obj_size(fit1) # which you can further wrap up in a function that operates # on a vector of such objects extr_multiple_obj_size <- function(vec_lavaan_fits) { vec_lavaan_fits %>% map(extr_obj_size) %>% flatten } c(fit,fit2,fit3) %>% extr_multiple_obj_size

Edit2

我不知道以下代码对一般有多大帮助，但我混淆了一些东西，假设你知道你感兴趣的插槽名称 - 会检查深度1和2并返回相应的值。

fit <- sem(model, data=PoliticalDemocracy) slot_of_interest <- "eq.constraints" # slot names at depth 1 depth1 <- names(getSlots("lavaan")) # slot names at depth 2 depth2 <- depth1 %>% map(~ slotNames(slot(fit,.))) # helper fun to check if a slot name of interest is inside a slot in_slot <- function(x) slot_of_interest %in% x # so if its at depth 1 - then just map slot()-function with that name if (slot_of_interest %in% depth1) { list(fit1) %>% map(~slot(., slot_of_interest)) } else { # otherwise you would need to detect at which index at depth2 does this name appear index1 <- depth2 %>% detect_index(in_slot) # and map first the slot-name at that index - then the corresponding slot of interest list(fit1) %>% map(~ slot(., depth1[index1])) %>% map(~ slot(., slot_of_interest)) }

如何总结复杂对象中的元素？

1 个答案: