eval（expr，envir，enclos）中的錯誤：找不到函數 - 嵌套函數和環境

Question

下面顯示的R代碼​​是一個最小工作示例，用於重現我無法理解的錯誤。運行該腳本應該會產生錯誤，Error in eval(expr, envir, enclos) : could not find function "fitModel"。在environments上閱讀了一兩樣東西后，我想我明白爲什麼會發生這種情況，「fitModel」沒有在「obscureFunction」的執行環境中定義。我通過對「myFormula」進行以下更改來修復： myFormula <- "y ~ eval(fitModel(x, a), envir = environment(fitModel))"

我不明白在調用環境中找不到函數時，如何在「fitModel」環境中評估「fitModel」的「obscureFunction」，換句話說，我不明白爲什麼這個代碼改變的作品。我也不明白爲什麼如果在不調用它的情況下運行「topFunction」的主體，原始代碼工作正常，即我們在R_GlobalEnv中定義「fitModel」和「obscureFunction」，並從控制檯調用「obscureFunction」。

## Minimum Working Example to reproduce error 
rm(list = ls()) 
library(minpack.lm) 

topFunction <- function(){ 

     fitModel <- function(x, a){ 
       exp(-a * x) 
     } 

     ## Create a function to use with lapply() 
     obscureFunction <- function(){ 

       x <- seq(-1, 1, 0.01) 
       y <- exp(-0.5 * x) 
       Data <- data.frame(x, y) 

       init  <- c(a = 1) 
       myFormula <- "y ~ fitModel(x, a)" 
       myFormula <- as.formula(myFormula) 
       nlsOutput <- nlsLM(formula = myFormula, start = init, data = Data) 

       return(nlsOutput) 

     } 

     ## Function call 
     obscureFunction() 

     ## Other calculations done with fitModel() 
} 

topFunction() 

Answer 1

那麼，這裏有兩個問題。第一種是使用一個字符串作爲公式。這是更好的使用

myFormula <- y ~ fitModel(x, a) 

原因是公式捕捉他們的環境，字符串沒有。 （正如@BridieG所指出的那樣，as.formula()將捕獲環境;在閱讀代碼時，我忽略了這一行，我仍然認爲最好直接創建公式）。使用引用環境可以更容易地找到公式中使用的函數。所以，如果你正在使用lm()而非nlsLM，這將與這兩個變化

# myFormula <- "y ~ fitModel(x, a)" ... becomes 
myFormula <- y ~ fitModel(x, 1) 

#nlsOutput <- nlsLM(formula = myFormula, start = init, data = Data) ...becomes 
nlsOutput <- lm(formula = myFormula, data = Data) 

這適用公式語法（不帶引號的變種名稱），而不是工作的字符串，因爲該公式可以捕捉環境。

至少它應該如何工作。軟件包作者可自由評估公式的方式，並且nlsLM()函數的作者決定忽略分配給公式的環境。他們在這個函數這麼做內nlsLM()

FCT <- function(par) { 
    mf[m] <- par 
    rhs <- eval(formula[[3L]], envir = mf) 
    res <- lhs - rhs 
    res <- .swts * res 
    res 
} 

所以這是第二個問題。在這裏，他們在mf對象中執行評估，該對象是由數據和參數估計的協變量組成的數據框。如果它被寫爲

rhs <- eval(formula[[3L]], envir = mf, environment(formula)) 

它會工作。這基本上是什麼model.frame()在lm()，允許這個工作。我們可以使函數的我們自己的「修正」版本

# tested with minpack.lm_1.1-8 
nlsLM2<-nlsLM 
body(nlsLM2)[[27]][[3]][[3]][[3]]<-quote(rhs<-eval(formula[[3L]], envir = mf, environment(formula))) 

然後使這些替代

# myFormula <- "y ~ fitModel(x, a)" ... becomes 
myFormula <- y ~ fitModel(x, a) 

#nlsOutput <- nlsLM(formula = myFormula, start = init, data = Data) ...becomes 
nlsOutput <- nlsLM2(formula = myFormula, start = init, data = Data) 

它的工作的工作並返回

Nonlinear regression model 
    model: y ~ fitModel(x, a) 
    data: Data 
    a 
0.5 
residual sum-of-squares: 0 

Number of iterations to convergence: 5 
Achieved convergence tolerance: 1.49e-08 

所以這是不是真的太多你可以說所有R函數如何處理環境和範圍。這種行爲對於nlsLM()作者如何決定評估其參數是獨特的。