R 不召回内存中的对象

Question

我正在构建一个包含多个步骤的函数，其中每个步骤都会创建一个对象。某个步骤失败(temp3)并且找不到之前的步骤对象(错误:找不到对象'temp2')。我不确定为什么 - 我有类似的函数，它们遵循完全相同的结构，每个步骤都遵循先前创建的对象，在函数内运行良好。当您在函数之外运行该代码时它可以工作(因此代码看起来很好)，并且使用 debug() 应该不创建数据的步骤(temp2)实际上存储在本地内存中(所以我可以看到对象“temp2”)，但由于某种原因，R 似乎无法识别或使用它。我难住了!也许我只是不明白 R 如何评估步骤和召回本地内存中的对象？我是否以错误的方式编写函数？

我可以很容易地准备一个有效的例子，如果它有更多的用处，因为这个函数会调用奇怪的包等，但目前我认为它更多的是我如何误解 R 如何将对象分配给函数内的本地内存的问题.这里有一个类似的查询，How does R handle object in function call? ，但实际上我在函数中分配每个新对象。你能帮忙吗？

    glm.random<-function(df){
  reps=5
  output<-matrix(NA, ncol=1, nrow=0)
    while (length(output[,1])<reps) {    
      temp1 <- ddply(df,.(study_id),randomRows,1)
      temp2 <- subset(temp1,select = c(continent,taxatype, metric,nullm, yi_pos))
      temp3 <- glmulti(yi_pos ~ ., data = temp2, family = gaussian( link = log), crit = aic, plotty = F,  report = F)           
      temp4 <- noquote(paste(summary(temp3)$bestmodel[1]))
      output<-rbind(output,temp4)     
      }
    write.table(output, "output.glm.random1.txt", append=TRUE, sep="\t", quote=FALSE)
  }

在回复中:

你好，

安德烈 – 1).所以我删除了 subset 的使用(但这里很好奇，你指的是什么“意外结果”？)。 2).我发现手头的数据很难处理，但我明白你的意思，需要改进我的编码方法 3)。好提示!但这里只是为了检查它是否正常工作——我可能只是使用该输出对象进行更多分析。

Gavin 1) 会的! 2+3) 所以错误似乎在于创建(或召回)“temp1”。

我希望下面是一些可重现的代码。如果有帮助，我尝试复制的方法可以在 Gibson 等人中找到。 2011 自然 478:378。 (参见详细方法“广义线性模型”。)。

Thank you!

    #rm(list = ls())
    library("plyr")
    library("glmulti")
    # random rows function
    randomRows = function(df,n){
      return(df[sample(nrow(df),n),])
    }
    # Dataframe example
    study_id <- c(1,1,1,1,2,2,3,3,3,4)
    continent <- c("AF","AF","AF","AF","AF","AF", "AS", "AS", "AS", "SA")
    taxatype <- c("bird","bird","bird","mam","mam","arthro", "arthro", "arthro", "arthro", "arthro")
    metric<- c("sppr","sppr","sppr","sppr","abund","abund", "abund", "abund", "abund", "abund")
    extra.data<- c(34:43)
    yi_pos<- runif(1:10)
    df<- data.frame(study_id=study_id, continent=continent,metric=metric, taxatype=taxatype,extra.data = extra.data, yi_pos = yi_pos)
    df

    # Function. Goal:repeat x10000 (but here reps =5) ( Select one random value per study_id, run glmulti{glmulti}, select best ranked model, concatenate to an output and export). 
    glm.random<-function(df){
      reps=5
      output<-matrix(NA, ncol=1, nrow=0)
      while (length(output[,1])<reps) {

        temp1 <- ddply(df,.(study_id),randomRows,1)
        temp3 <- glmulti(yi_pos ~ continent+taxatype+metric, data = temp1, family = gaussian( link = log), crit = aic, plotty = F,  report = F)          
        temp4 <- noquote(paste(summary(temp3)$bestmodel[1]))
        output<-rbind(output,temp4)       
        }
      write.table(output, "output.glm.random1.txt", append=TRUE, sep="\t", quote=FALSE)
    }

    # run function to obtain error
    glm.random(df)

# debug(glm.random)
# glm.random(df)
# undebug(glm.random)

Answer 1

来自 ?glmulti,

If [the argument data is] not specified, glmulti will try to find the data in the environment of the formula, from the fitted model passed as y argument, or from the global environment.

但是，当您指定 data = temp1 时，glmulti 显然会在全局环境中查找此对象。因此，您可能需要将随机选择的数据分配给全局环境(我稍微重命名了一些内容以尝试检查名称和对象):

glm.random2<-function(df){
  reps=5
  output<-matrix(NA, ncol=1, nrow=0)
  while (length(output[,1])<reps) {
## Here things are different
    temp2 <- ddply(df,.(study_id),randomRows,1)
    names(temp2)[2]<-"cOntinent"
    assign("temp1",temp2,envir=.GlobalEnv)
## Note the slightly modified formula, to check whether
## gmulti looks for terms in temp1 or simply as named objects in the environment
## It looks like the former, which is good.
    temp3 <- glmulti(yi_pos ~ cOntinent+taxatype+metric, data = temp1, 
      family = gaussian( link = log), crit = aic, plotty = F,  report = F)          
    temp4 <- noquote(paste(summary(temp3)$bestmodel[1]))
    output<-rbind(output,temp4)
## Remove the object temp1 from the global environment
    rm(temp1,envir=.GlobalEnv)
    }
  write.table(output, "output.glm.random1.txt", append=TRUE, sep="\t", quote=FALSE)
}

# run function - no error for me!
glm.random2(df)

您可能需要与包维护者核实，看看这是否是 glmulti 工作的预期方式。