我正在解决这个问题：第一个人掷出3个中的1个，然后第二个人掷出剩下的2个骰子中的1个。骰子是6面的，但每侧有随机数字（对应于每个骰子的数字都列在该骰子的样本中）。
approximated.probability.that.c1.wins <- function(n, k, c1, c2){
red <- replicate(k, sum(sample(c(3,3,3,3,3,6), n)))
yellow <- replicate(k, sum(sample(c(2,2,2,5,5,5), n)))
green <- replicate(k, sum(sample(c(1,4,4,4,4,4), n)))
return(sum(c1 > c2))
}
approximated.probability.that.c1.wins(1, 1000, red, green)
当我将c1和c2替换为sum(red > green)等函数中的向量时，我的函数有效。但是，当我按原样运行该函数时，它返回错误"object 'red' not found"。目标是用调用函数时定义的任何颜色替换c1和c2。
答案 0 :(得分：1)
您尝试做的事情是相当高级的R.请注意，red和green未在您的父框架中定义，因此在常规编程中，这不起作用。但是，如果将它们捕获为表达式，然后在red，green和yellow存在后进行评估，它确实有效。这是一种方法：
library(rlang)
approximated.probability.that.c1.wins <- function(n, k, c1, c2){
c1 <- enexpr(c1)
c2 <- enexpr(c2)
red <- replicate(k, sum(sample(c(3,3,3,3,3,6), n)))
yellow <- replicate(k, sum(sample(c(2,2,2,5,5,5), n)))
green <- replicate(k, sum(sample(c(1,4,4,4,4,4), n)))
# note: added divide by k to calculate probability
return(sum(eval(c1) > eval(c2))/k)
}
set.seed(1234)
approximated.probability.that.c1.wins(1, 1000, red, green)
[1] 0.299
答案 1 :(得分：1)
我们可以使用base R执行此操作，方法是将其作为字符串传递，然后使用get获取值
approximated.probability.that.c1.wins <- function(n, k, c1, c2){
red <- replicate(k, sum(sample(c(3,3,3,3,3,6), n)))
yellow <- replicate(k, sum(sample(c(2,2,2,5,5,5), n)))
green <- replicate(k, sum(sample(c(1,4,4,4,4,4), n)))
return(sum(get(c1) > get(c2)))
}
approximated.probability.that.c1.wins(1, 3, 'red', 'green')
答案 2 :(得分：1)
创建由L，red和yellow这三个组成部分组成的列表green。
然后，指示的表达式可用于转换非标准输入
字符串，用于在L中查找适当的组件。
approximated.probability.that.c1.wins <- function(n, k, c1, c2){
L <- list(red = replicate(k, sum(sample(c(3,3,3,3,3,6), n))),
yellow = replicate(k, sum(sample(c(2,2,2,5,5,5), n))),
green = replicate(k, sum(sample(c(1,4,4,4,4,4), n))))
c1 <- deparse(substitute(c1)) ##
c2 <- deparse(substitute(c2)) ##
sum(L[[c1]] > L[[c2]])
}
approximated.probability.that.c1.wins(1, 1000, red, green)
要使用标准评估（而不是上面使用的非标准），我们会通过"red"和"green"而不是red和green，然后我们就不再需要上面标有##的两行，所以代码简化为：
approximated.probability.that.c1.wins <- function(n, k, c1, c2){
L <- list(red = replicate(k, sum(sample(c(3,3,3,3,3,6), n))),
yellow = replicate(k, sum(sample(c(2,2,2,5,5,5), n))),
green = replicate(k, sum(sample(c(1,4,4,4,4,4), n))))
sum(L[[c1]] > L[[c2]])
}
approximated.probability.that.c1.wins(1, 1000, "red", "green")
虽然通常最好不要使用环境，但定义L的替代方法是使用问题中的原始代码，但用以下内容替换正文的最后一行：
e <- environment()
sum(e[[c1]] > e[[c2]])
e包含当前函数中的所有变量。这适用于标准评估部分以及使用标记为##。