Fonction au sein de la Fonction dans la R

Vous pouvez avoir un coup d'oeil à la R règles de portée. En particulier, il n'y a pas de raison de s'attendre à ce que les variables que vous définissez dans une fonction sont visibles dans d'autres fonctions.

Vous pourrait être confondue en raison de l'environnement mondial (c'est à dire le haut-niveau à l'extérieur de toutes les fonctions) est une exception à cette règle. Je ne vais pas dans vos questions, mais permettez-moi de noter que la totalité du script semble très foiré pour moi - c'est à dire M1 à M3 sont essentiellement une fonction, et la liasse de le copier/coller dans get.f est certainement terrible. Tout ce que vous essayez de faire, peut certainement être écrit dans un moins alambiqué.

Jetons un coup d'oeil à la Ms de première pourquoi pas une fonction avec un paramètre? Y compris la solution à votre portée de problème, cela fait deux paramètres -

M <- function(sampleData, offset) { 
a1 = sampleData[,c(2:5,7,9)] + offset
b1 = sampleData[,c(2:4,6,8,7)] + offset
c1 = b1+a1
list(a1=a1,b1=b1,c1=c1)
}

Si vous insistez sur la définition d'alias, vous pouvez aussi faire quelque chose comme

M1 <- function(sampleData) M(sampleData, 0) 
M2 <- function(sampleData) M(sampleData, 2) 
M3 <- function(sampleData) M(sampleData, 8) 

C'est déjà moins répétitif, mais, idéalement, vous voulez que l'ordinateur pour faire de la répétition pour vous (SEC!):

offsets <- c(0,2,8)
Models <- sapply(offsets, FUN=function(offset) function(sampleData) M(sampleData, offset))

Regardant get.f, c'est pas très clair ce que vous êtes en train de faire - vous êtes à essayer de monter quelque chose et de recueillir quelque chose à partir des résultats, mais la partie sur Model$cof fait référence à une variable non définie (votre Model juste a a1,b1 et c1 entrées). En supposant que vous souhaitez collecter cof et en supprimant les intermédiaires de code, get.f ressemble probablement à ceci:

M <- function(sampleData, offset) { 
a1 = sampleData[,c(2:5,7,9)] + offset
b1 = sampleData[,c(2:4,6,8,7)] + offset
c1 = b1+a1
list(a1=a1,b1=b1,c1=c1)
}
get.f <- function(asim,Model,M){
sse <-c()
for(i in 1:asim){
set.seed(i)
Samdat <- dat[sample(1:nrow(dat),nrow(dat),replace=T),]
Y <- Samdat[,1]
model <- Model()
if(M==1){
a2 <- model$a1
b2 <- model$b1
c2 <- model$c1
s<- a2+b2+c2
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
sse <-c(sse,cof)
}
else if(M==2){
a2 <- model$a1
b2 <- model$b1
c2 <- model$c1
s<- c2+12
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
sse <-c(sse,cof)
}
else {
a2 <- model$a1
b2 <- model$b1
c2 <- model$c1
s<- c2+a2
fit <- lm(Y~s)
cof <- sum(summary(fit)$coef[,1])
sse <-c(sse,cof)
}
}
return(sse)
}
get.f(10,Model=M1,M=1) 
get.f(10,Model=M2,M=2)
get.f(10,Model=M3,M=3)

C'est encore terriblement répétitive, alors pourquoi ne pas penser à ce sujet pendant une minute? Tout ce que vous faites avec vos échantillons est de calculer une colonne à utiliser dans votre ajustement. Je ne vois pas pourquoi vous avez besoin de faire le calcul dans un M fonction et ensuite faire l'extraction de la valeur unique dans get.f (en fonction notamment de M vous utilisez) - ce qui semble indiquer que l'extraction devrait bien plutôt être une partie de la M... mais si vous avez besoin de les garder séparés, d'accord, nous allons utiliser des fonctions d'extraction. Vient toujours en vertu de la moitié de votre code de taille raisonnable écrit R:

# Set up test data
dat <-  cbind(Y=rnorm(20),rnorm(20),runif(20),rexp(20),rnorm(20),runif(20), rexp(20),rnorm(20),runif(20),rexp(20))
nam <- paste("v",1:9,sep="")
colnames(dat) <- c("Y",nam)
# calculate a1..c1 from a sample
M <- function(sampleData, offset) { 
a1 = sampleData[,c(2:5,7,9)] + offset
b1 = sampleData[,c(2:4,6,8,7)] + offset
c1 = b1+a1
list(a1=a1,b1=b1,c1=c1)
}
# create a fixed-offset model from the variable offset model by fixing offset
makeModel <- function(offset) function(sampleData) M(sampleData, offset)   
# run model against asim subsamples of data and collect coefficients
get.f <- function(asim,model,expected) 
sapply(1:asim,  function (i){
set.seed(i)
Samdat <- dat[sample(1:nrow(dat),nrow(dat),replace=T),]
Y <- Samdat[,1]
s <- expected(model(Samdat))
fit <- lm(Y~s)
sum(summary(fit)$coef[,1])
})
# list of models to run and how to extract the expectation values from the model reslts
todo <- list(
list(model=makeModel(0), expected=function(data) data$a1+data$b1+data$c1),
list(model=makeModel(2), expected=function(data) data$c1+12),
list(model=makeModel(8), expected=function(data) data$c1+data$a1))
sapply(todo, function(l) { get.f(10, l$model, l$expected)})

OriginalL'auteur themel