R eval(predvars, data, env) object 未通过在 function 中传递参数找到

Question

我的可重现示例如下；

请不要理会计算的潜在含义（实际上没有），因为它只是我真实数据集的摘录；

train <- structure(list(no2 = c(25.5, 31.2, 33.4, 29.9, 31.8),
                        vv_scal = c(1.3, 1.3, 0.8, 1.1, 0.9), 
                        temp = c(-0.7, -2, 1.5, 0.4, 1.1), 
                        prec = c(0, 11, 9, 3, 0), 
                        co = c(1.6, 2.9, 3.2, 2.6, 3)), 
                        row.names = c(NA, -5L), 
                        class = c("tbl_df", "tbl", "data.frame"))


test <- structure(list(no2 = c(41.6, 41.4, 46.6, 44.7, 43.2), 
                       vv_scal = c(1.2, 1.2, 1.2, 1, 1), 
                       temp = c(0.9, 1, 0.1, 1.6, 3.8), 
                       prec = c(0, 0, 0, 0, 0), 
                       co = c(4.3, 4.3, 4.9, 4.7, 4.5)), 
                       row.names = c(NA, -5L), 
                       class = c("tbl_df", "tbl", "data.frame"))
                       
                       

forest_ci <- function(B, train_df, test_df, var_rf){
  
  # Initialize a matrix to store the predicted values
  predictions <- matrix(nrow = B, ncol = nrow(test_df))
  
  # bootstrapping predictions
  for (b in 1:B) {
    
    # Fit a random forest model
    model <- randomForest::randomForest(var_rf~., data = train_df) # not working
    #model <- randomForest::randomForest(no2~., data = train_df)   # working
    
    # Store the predicted values from the resampled model
    predictions[b, ] <- predict(model, newdata = test_df)
    
  }
  
  predictions
  
}

predictions <- forest_ci(B=2, train_df=train, test_df=test, var_rf = no2)

我收到以下错误消息：

Error in eval(predvars, data, env) : object 'no2' not found

我认为理解错误与“非标准评估”和“捕获表达式”的概念有某种关系

http://adv-r.had.co.nz/Computing-on-the-language.html

根据一些线程的建议，这里遵循其中的一些：

如何将变量名传递给 function 中的参数

将变量名传递给 R 中的 function

我一直在尝试使用函数的不同组合：substitute()、eval()、quote() 但没有取得多大成功；

我知道这个主题已经在这里讨论过，但到目前为止我找不到合适的解决方案；

我的目标是在 function 参数中传递一个变量的名称，以便在随机森林 model 提供的回归（和预测）中进行评估

谢谢

Answer 1

尝试使用 rlang 中的rlang ensym()和inject() ：

forest_ci <- function(B, train_df, test_df, var_rf){
  
  y = rlang::ensym(var_rf)
  
  # Initialize a matrix to store the predicted values
  predictions <- matrix(nrow = B, ncol = nrow(test_df))
  
  # bootstrapping predictions
  for (b in 1:B) {
    
    # Fit a random forest model
    model <- rlang::inject(randomForest::randomForest(!!y~., data = train_df)) # not working
    #model <- randomForest::randomForest(no2~., data = train_df)   # working
    
    # Store the predicted values from the resampled model
    predictions[b, ] <- predict(model, newdata = test_df)
    
  }
  
  predictions
  
}