我不能将任何函数的subset参数与mapply一起使用。以下调用失败，并带有subset参数，但它们不能在以下情况下工作：
mapply(ftable,
formula = list(wool ~ breaks,
wool + tension ~ breaks),
subset = list(breaks < 15,
breaks < 20),
MoreArgs = list(data = warpbreaks))
# Error in mapply(ftable, formula = list(wool ~ breaks, wool + tension ~ :
# object 'breaks' not found
mapply(xtabs,
formula = list(~ wool,
~ wool + tension),
subset = list(breaks < 15,
breaks < 20),
MoreArgs = list(data = warpbreaks))
# Error in mapply(xtabs, formula = list(~wool, ~wool + tension), subset = list(breaks < :
# object 'breaks' not found
Map(lm,
formula = list(breaks ~ wool,
breaks ~ tension),
subset = list(breaks < 15,
breaks < 20),
MoreArgs = list(data = warpbreaks))
# Error in mapply(FUN = f, ..., SIMPLIFY = FALSE) :
# object 'breaks' not found
该错误似乎是由于未在正确的环境中评估subset自变量引起的。我知道我可以使用data作为data = warpbreaks[warpbreaks$breaks < 20, ]参数的子集，但是我希望提高对R的了解。
我的问题是：
formula中评估data = warpbreaks参数，但是
subset参数不是吗？ftable编写了一个包装器，因为我需要针对许多变量使用频率和百分比来计算平面表（更多详细信息，请参见previous questions）。我可以修改包装器以使用subset中ftable的{{1}}参数吗？。
mapply答案 0 :(得分：8)
简短的答案是，当您创建要作为参数传递给函数的列表时，将在创建时对其进行评估。您收到的错误是因为R尝试创建要在调用环境中传递的列表。
要更清楚地了解这一点，假设您尝试在调用mapply之前创建要传递的参数：
f_list <- list(~ wool, ~ wool + tension)
d_list <- list(data = warpbreaks)
mapply(FUN = xtabs, formula = f_list, MoreArgs = d_list)
#> [[1]]
#> wool
#> A B
#> 27 27
#>
#> [[2]]
#> tension
#> wool L M H
#> A 9 9 9
#> B 9 9 9
创建公式列表没有问题，因为只有在需要时才对它们进行求值，并且当然可以从全局环境访问warpbreaks，因此对mapply的此调用有效。
当然，如果您尝试在mapply调用之前创建以下列表：
subset_list <- list(breaks < 15, breaks < 20)
然后R会告诉您找不到breaks。
但是，如果您在搜索路径中使用warpbreaks创建列表，则不会有问题：
subset_list <- with(warpbreaks, list(breaks < 15, breaks < 20))
subset_list
#> [[1]]
#> [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [14] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [27] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [40] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [53] FALSE FALSE
#>
#> [[2]]
#> [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE
#> [14] TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE TRUE
#> [27] FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [40] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE
#> [53] TRUE FALSE
所以您会认为我们可以将其传递给mapply，一切都会好起来的，但是现在我们收到了一个新错误：
mapply(FUN = xtabs, formula = f_list, subset = subset_list, MoreArgs = d_list)
#> Error in eval(substitute(subset), data, env) : object 'dots' not found
那我们为什么要得到这个？
问题出在传递给mapply的调用eval或本身调用使用eval的函数中。
如果您查看mapply的源代码，您会发现它接受了您传递的额外参数，并将它们放在名为dots的列表中，然后它将传递给内部{ {1}}通话：
mapply如果您的mapply
#> function (FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)
#> {
#> FUN <- match.fun(FUN)
#> dots <- list(...)
#> answer <- .Internal(mapply(FUN, dots, MoreArgs))
#> ...
本身调用了另一个在其任何参数上调用FUN的函数，则它将尝试eval对象eval，该对象将不存在在调用dots的环境中。通过在eval包装器上进行mapply可以很容易地看到这一点：
match.call因此，我们的错误的最小可重现示例是
mapply(function(x) match.call(), x = list(1))
[[1]]
(function(x) match.call())(x = dots[[1L]][[1L]])
那是什么解决方案？看来您已经找到了一个很好的解决方案，那就是手动设置您希望传递的数据帧。其他人可能建议您探索mapply(function(x) eval(substitute(x)), x = list(1))
#> Error in eval(substitute(x)) : object 'dots' not found
以获得更优雅的解决方案。
但是，有可能让purrr::map做您想做的事，而秘密只是修改mapply使其变成{{ 1}}是动态的子集：
FUN答案 1 :(得分：4)
@AllanCameron暗示了purrr::map解决方案的可能性。以下是一些选项：
breaks列进行子集设置，所以我们只需要提供截止值即可，因此不必担心延迟对表达式的求值。在这里和其他示例中，我们命名中断列表的元素，以便输出也将具有告诉我们使用了什么breaks截止值的名称。另外，在所有示例中，我们都利用dplyr::filter函数来过滤data参数中的数据，而不是subset参数中的数据：library(tidyverse)
map2(list(breaks.lt.15=15,
breaks.lt.20=20),
list(~ wool,
~ wool + tension),
~ xtabs(.y, data=filter(warpbreaks, breaks < .x))
)
#> $breaks.lt.15
#> wool
#> A B
#> 2 2
#>
#> $breaks.lt.20
#> tension
#> wool L M H
#> A 0 4 3
#> B 2 2 5
quos中以延迟求值。 !!.x在我们过滤warpbreaks内的xtabs数据帧的时刻评估表达式。 map2(quos(breaks.lt.15=breaks < 15,
breaks.lt.20=breaks < 20),
list(~ wool,
~ wool + tension),
~ xtabs(.y, data=filter(warpbreaks, !!.x))
)
#> $breaks.lt.15
#> wool
#> A B
#> 2 2
#>
#> $breaks.lt.20
#> tension
#> wool L M H
#> A 0 4 3
#> B 2 2 5
crossing函数来生成组合，然后将其传递给pmap（“并行映射”），该组合可以采用任何参数的数量，所有参数都包含在一个列表中。在这种情况下，我们使用rlang::exprs而不是quos来延迟评估。 rlang::exprs在上面也可以使用，但是quos在这里不起作用。我不确定我是否真正理解为什么，但是它与捕获表达式及其环境（quos）和仅捕获表达式（exprs）有关，如所讨论的{{3} }。# map over all four combinations of breaks and xtabs formulas
crossing(
rlang::exprs(breaks.lt.15=breaks < 15,
breaks.lt.20=breaks < 20),
list(~ wool,
~ wool + tension)
) %>%
pmap(~ xtabs(.y, data=filter(warpbreaks, !!.x)))
#> $breaks.lt.15
#> wool
#> A B
#> 2 2
#>
#> $breaks.lt.15
#> tension
#> wool L M H
#> A 0 1 1
#> B 1 0 1
#>
#> $breaks.lt.20
#> wool
#> A B
#> 7 9
#>
#> $breaks.lt.20
#> tension
#> wool L M H
#> A 0 4 3
#> B 2 2 5
您也可以将tidyverse函数用于摘要而不是xtabs并返回数据帧。例如：
map2_df(c(15,20),
list("wool",
c("wool", "tension")),
~ warpbreaks %>%
filter(breaks < .x) %>%
group_by_at(.y) %>%
tally() %>%
bind_cols(max.breaks=.x - 1)
) %>%
mutate_if(is.factor, ~replace_na(fct_expand(., "All"), "All")) %>%
select(is.factor, everything()) # Using select this way requires development version of dplyr, soon to be released on CRAN as version 1.0.0
#> # A tibble: 7 x 4
#> wool tension n max.breaks
#> <fct> <fct> <int> <dbl>
#> 1 A All 2 14
#> 2 B All 2 14
#> 3 A M 4 19
#> 4 A H 3 19
#> 5 B L 2 19
#> 6 B M 2 19
#> 7 B H 5 19
如果要包括边际计数，可以执行以下操作：
crossing(
c(Inf,15,20),
list(NULL, "wool", "tension", c("wool", "tension"))
) %>%
pmap_df(
~ warpbreaks %>%
filter(breaks < .x) %>%
group_by_at(.y) %>%
tally() %>%
bind_cols(max.breaks=.x - 1)
) %>%
mutate_if(is.factor, ~replace_na(fct_expand(., "All"), "All")) %>%
select(is.factor, everything())
#> wool tension n max.breaks
#> 1 All All 4 14
#> 2 A All 2 14
#> 3 B All 2 14
#> 4 All L 1 14
#> 5 All M 1 14
#> 6 All H 2 14
#> 7 A M 1 14
#> 8 A H 1 14
#> 9 B L 1 14
#> 10 B H 1 14
#> 11 All All 16 19
#> 12 A All 7 19
#> 13 B All 9 19
#> 14 All L 2 19
#> 15 All M 6 19
#> 16 All H 8 19
#> 17 A M 4 19
#> 18 A H 3 19
#> 19 B L 2 19
#> 20 B M 2 19
#> 21 B H 5 19
#> 22 All All 54 Inf
#> 23 A All 27 Inf
#> 24 B All 27 Inf
#> 25 All L 18 Inf
#> 26 All M 18 Inf
#> 27 All H 18 Inf
#> 28 A L 9 Inf
#> 29 A M 9 Inf
#> 30 A H 9 Inf
#> 31 B L 9 Inf
#> 32 B M 9 Inf
#> 33 B H 9 Inf
如果在前一个链的末尾添加pivot_wider，我们将获得：
pivot_wider(names_from=max.breaks, values_from=n,
names_prefix="breaks<=", values_fill=list(n=0))
wool tension `breaks<=14` `breaks<=19` `breaks<=Inf` 1 All All 4 16 54 2 A All 2 7 27 3 B All 2 9 27 4 All L 1 2 18 5 All M 1 6 18 6 All H 2 8 18 7 A M 1 4 9 8 A H 1 3 9 9 B L 1 2 9 10 B H 1 5 9 11 B M 0 2 9 12 A L 0 0 9
答案 2 :(得分：3)
这是NSE的问题。一种方法是将子集条件直接插入到调用中，以便可以将它们应用到相关上下文中（存在breaks的数据中）。
可以使用alist()而不是list()来获得带引号的表达式列表，
然后构建正确的调用（使用bquote()是最简单的方法）并对其进行评估。
mapply(
FUN = function(formula, data, subset)
eval(bquote(xtabs(formula, data, .(subset)))),
formula = list(~ wool,
~ wool + tension),
subset = alist(breaks < 15,
breaks < 20),
MoreArgs = list(data = warpbreaks))
#> [[1]]
#> wool
#> A B
#> 2 2
#>
#> [[2]]
#> tension
#> wool L M H
#> A 0 4 3
#> B 2 2 5
mapply(FUN = function(formula, data, FUN, subset)
eval(bquote(aggregate(formula, data, FUN, subset = .(subset)))),
formula = list(breaks ~ wool,
breaks ~ wool + tension),
subset = alist(breaks < 15,
breaks < 20),
MoreArgs = list(data = warpbreaks,
FUN = length))
#> [[1]]
#> wool breaks
#> 1 A 2
#> 2 B 2
#>
#> [[2]]
#> wool tension breaks
#> 1 B L 2
#> 2 A M 4
#> 3 B M 2
#> 4 A H 3
#> 5 B H 5
您真的不再需要MoreArgs了，因为您可以直接在调用中使用参数，因此您可能希望将其简化如下：
mapply(
FUN = function(formula, subset)
eval(bquote(xtabs(formula, warpbreaks, subset = .(subset)))),
formula = list(~ wool,
~ wool + tension),
subset = alist(breaks < 15,
breaks < 20))
#> [[1]]
#> wool
#> A B
#> 2 2
#>
#> [[2]]
#> tension
#> wool L M H
#> A 0 4 3
#> B 2 2 5
mapply(FUN = function(formula, subset)
eval(bquote(aggregate(formula, warpbreaks, length, subset = .(subset)))),
formula = list(breaks ~ wool,
breaks ~ wool + tension),
subset = alist(breaks < 15,
breaks < 20))
#> [[1]]
#> wool breaks
#> 1 A 2
#> 2 B 2
#>
#> [[2]]
#> wool tension breaks
#> 1 B L 2
#> 2 A M 4
#> 3 B M 2
#> 4 A H 3
#> 5 B H 5
您还可以通过构建数据集以使用lapply循环来避免调用操作和即席FUN参数：
mapply(
FUN = xtabs,
formula = list(~ wool,
~ wool + tension),
data = lapply(c(15, 20), function(x) subset(warpbreaks, breaks < x)))
#> [[1]]
#> wool
#> A B
#> 2 2
#>
#> [[2]]
#> tension
#> wool L M H
#> A 0 4 3
#> B 2 2 5
mapply(
FUN = aggregate,
formula = list(breaks ~ wool,
breaks ~ wool + tension),
data = lapply(c(15, 20), function(x) subset(warpbreaks, breaks < x)),
MoreArgs = list(FUN = length))
#> [[1]]
#> wool breaks
#> 1 A 2
#> 2 B 2
#>
#> [[2]]
#> wool tension breaks
#> 1 B L 2
#> 2 A M 4
#> 3 B M 2
#> 4 A H 3
#> 5 B H 5