当在父函数之外使用 as.formula() 时，R 模型会中断

Question

我正在尝试将

coxph

模型放入函数中，如下所示：

data(cancer, package="survival") # Import `mgus2` data
ndata <- expand.grid(sex=c("F", "M"), age=c(60, 80))

# Fit Cox PH model and run survfit
fit_cox <- function(df) {
    msfit <- coxph(Surv(futime, death) ~ sex + age, data=df, id=id)
    mssurv <- survfit(msfit, newdata=ndata)
}

fit_cox(mgus2)

如果我想将公式

Surv(futime, death) ~ sex + age

定义为字符串并使用

as.formula()

将其传递给我的模型，就会出现问题。

如果对

as.formula

的调用位于

fit_cox

函数之外，则对

survfit

的调用会中断：

my_formula <- as.formula("Surv(futime, death) ~ sex + age")

# Fit Cox PH model and run survfit
fit_cox <- function(df) {
    msfit <- coxph(my_formula, data=df, id=id)
    mssurv <- survfit(msfit, newdata=ndata)
}

> fit_cox(mgus2)
> Error in model.frame.default(formula = Surv(futime, death) ~ sex + age,  : 
> 'data' must be a data.frame, environment, or list

当对

as.formula

的调用移至

fit_cox

函数中时，不会出现此问题。

fit_cox <- function(df) {
    my_formula <- as.formula("Surv(futime, death) ~ sex + age") # Moved this inside
    msfit <- coxph(my_formula, data=df, id=id)
    mssurv <- survfit(msfit, newdata=ndata)
}

> fit_cox(mgus2)
> # Successful

我想知道这是否不是与实现

survival

和

coxph

的

survfit

包有关的特定于包的问题。相反，它可能与

as.formula

通话有关。

将其放在函数内部而不是外部有什么区别？

Answer 1

解释为什么会发生这种情况很棘手，我不太确定我是否完全了解这里发生的情况，但解决方案是使用

do.call

来运行这样的函数：

fit_cox <- function(df) {
  msfit <- do.call("coxph", list(formula=my_formula, 
                                 data=substitute(df), 
                                 id=as.name("id")))
  mssurv <- survfit(msfit, newdata=ndata)
  mssurv
}

该问题与调用的构造方式有关；在你的函数中，调用中有你的变量

do_cox1 <- function(df) {
  coxph(my_formula, data=df, id=id)
}
do_cox1(mgus2)
# Call:
# coxph(formula = my_formula, data = df, id = id)

但是，如果使用

do.call

（首先计算结果），则可以使用

substitute

获取数据变量的名称，从而获得变量的实际值。

do_cox2 <- function(df) {
  do.call("coxph", list(formula=my_formula, 
                        data=substitute(df), 
                        id=as.name("id")))
}
do_cox2(mgus2)
# Call:
# coxph(formula = Surv(futime, death) ~ sex + age, data = mgus2, id = id)

请参阅此答案了解另一个示例。

Answer 2

这是 R 中模型框架构建方式的一般“特征”。这是我们遇到麻烦时的调用堆栈：

where 1: model.frame.coxph(object)
where 2: stats::model.frame(object)
where 3: survfit.coxph(msfit, newdata = ndata)
where 4 at #3: survfit(msfit, newdata = ndata)
where 5: fit_cox(mgus2)

这是抛出错误的行：

mf <- eval(temp, environment(formula$terms), parent.frame())

• temp

  是未评估的模型框架调用，该包已根据其目的对其进行了修改：

stats::model.frame(formula = Surv(futime, death) ~ sex + age, 
    data = df, id = id, xlev = list(sex = c("F", "M")))

• parent.frame()

  是调用当前函数的环境，即

  stats::model.frame()

  的环境（参见上面的调用堆栈）

• environment(formula$terms)

  是创建公式的环境，通常是 R 假设它可以找到公式中引用的所有内容的环境（如果不在父框架中）

我还没有测试过，但添加了

assign("df", df, environment(my_formula))

你的功能可能会解决问题。