Question

我对我试图编写的函数的行为感到困惑。我的例子来自library(survival) data(bladder) ## this will load "bladder", "bladder1" and "bladder2" mod_init <- coxph(Surv(start, stop, event) ~ rx + number, data = bladder2, method = "breslow") survfit(mod_init)包，但我认为问题比这更普遍。基本上，以下代码

my_function <- function(formula, data) {
  mod_init <- coxph(formula = formula, data = data, method = "breslow")
  survfit(mod_init)
  }

my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)

将产生我感兴趣的对象。但是，当我在函数中写入它时，

 Error in eval(predvars, data, env) : 
  invalid 'envir' argument of type 'closure' 
10 eval(predvars, data, env) 
9 model.frame.default(formula = Surv(start, stop, event) ~ rx + 
    number, data = data) 
8 stats::model.frame(formula = Surv(start, stop, event) ~ rx + 
    number, data = data) 
7 eval(expr, envir, enclos) 
6 eval(temp, environment(formula$terms), parent.frame()) 
5 model.frame.coxph(object) 
4 stats::model.frame(object) 
3 survfit.coxph(mod_init) 
2 survfit(mod_init) 
1 my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)

该函数将在最后一行返回错误：

my_function

我很好奇是否有一些明显的遗漏或这种行为是否正常。我觉得很奇怪，因为在survival的环境中，当运行代码的第一部分时，我将拥有与全局环境中相同的对象。

编辑：我还收到了来自{{1}}包的作者Terry Therneau的有用信息。这是他的回答：

这是一个问题，源于model.frame进行的非标准评估。我找到的唯一方法是将model.frame = TRUE添加到原始的coxph调用中。我认为这是R中一个严重的设计缺陷。非标准的评价就像黑暗的一面 - 一个总是很糟糕的诱人和简单的道路。特里T.

Answer 1

<强>诊断

从错误消息：

2 survfit(mod_init, newdata = base_case)
1 my_function(Surv(start, stop, event) ~ rx + number, data = bladder2)

在模型拟合期间问题显然不是coxph，而是survfit。

从这条消息：

10 eval(predvars, data, env) 
 9 model.frame.default(formula = Surv(start, stop, event) ~ rx + 
     number, data = data)

我可以说问题是在survfit的早期阶段，函数model.frame.default()无法找到包含公式{{1}中使用的相关数据的模型框架 }}。因此它抱怨。

什么是模型框架？

模型框架由传递给拟合例程的Surv(start, stop, event) ~ rx + number参数构成，如data，lm()和glm()。它是一个与mgcv:::gam()具有相同行数的数据框，但是：

删除data
添加了许多属性，其中最重要的是formula

大多数模型拟合例程，例如envrionement，lm()和glm()，默认情况下会将模型框保留在其拟合对象中。这样做的好处是，如果我们稍后调用mgcv:::gam()，并且未提供predict，则会从此模型框架中找到用于评估的数据。但是，一个明显的缺点是它会大大增加你装配物体的尺寸。

但是，newdata是一个例外。默认情况下，不会在其拟合对象中保留此类模型框架。嗯，显然，这会使得到的合适物体的尺寸变得更小，但是，让您遇到遇到的问题。 如果我们想要survival:::coxph()保留此模型框架，请使用此功能的survival:::coxph()。

使用model = TRUE

进行测试

survial:::coxph()

现在，这个函数调用将失败，如您所见：

library(survival); data(bladder)

my_function <- function(myformula, mydata, keep.mf = TRUE) {
  fit <- coxph(myformula, mydata, method = "breslow", model = keep.mf)
  survfit(fit)
  }

但是这个函数调用会成功：

my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = FALSE)

my_function(Surv(start, stop, event) ~ rx + number, bladder2, keep.mf = TRUE)

的行为相同

我们实际上可以在lm()中展示相同的行为：

lm()

现在，通过保持模型框架，这将成功：

## generate some toy data
foo <- data.frame(x = seq(0, 1, length = 20), y = seq(0, 1, length = 20) + rnorm(20, 0, 0.15))

## a wrapper function
bar <- function(myformula, mydata, keep.mf = TRUE) {
  fit <- lm(myformula, mydata, model = keep.mf)
  predict.lm(fit)
  }

虽然这会失败，但是丢弃了模型框架：

bar(y ~ x - 1, foo, keep.mf = TRUE)

使用参数bar(y ~ x - 1, foo, keep.mf = FALSE)？

请注意，newdata的示例有点人为，因为我们实际上可以在lm()中使用newdata参数来解决此问题：

predict.lm()

现在我们是否保留模型框架，两者都会成功：

bar1 <- function(myformula, mydata, keep.mf = TRUE) {
  fit <- lm(myformula, mydata, model = keep.mf)
  predict.lm(fit, newdata = lapply(mydata, mean))
  }

然后你可能想知道：我们可以为bar1(y ~ x - 1, foo, keep.mf = TRUE) bar1(y ~ x - 1, foo, keep.mf = FALSE)做同样的事吗？

survfit()是一个通用函数，在您的代码中，您实际上是在调用survfit()。这个函数确实有一个survfit.coxph()参数。文档内容如下：

newdata：

一个数据框，其变量名称与出现在该数据框中的变量名称相同     'coxph'公式。 ......默认是使用的协变量的平均值     'coxph'适合。

所以，试试吧：

newdata

我们希望这项工作：

my_function1 <- function(myformula, mydata) {
  mtrace.off()
  fit <- coxph(myformula, mydata, method = "breslow")
  survival:::survfit.coxph(fit, newdata = lapply(mydata, mean))
  }

可是：

my_function1(Surv(start, stop, event) ~ rx + number, bladder2)

请注意，虽然我们传递Error in is.data.frame(data) (from #5) : object 'mydata' not found 1: my_function1(Surv(start, stop, event) ~ rx + number, bladder2) 2: #5: survival:::survfit.coxph(fit, lapply(mydata, mean)) 3: stats::model.frame(object) 4: model.frame.coxph(object) 5: eval(temp, environment(formula$terms), parent.frame()) 6: eval(expr, envir, enclos) 7: stats::model.frame(formula = Surv(start, stop, event) ~ rx + number, data = 8: model.frame.default(formula = Surv(start, stop, event) ~ rx + number, data 9: is.data.frame(data)，但它不用于构建模型框架：

newdata

只有3: stats::model.frame(object)（已安装模型的副本）会传递给object。

这与model.frame.default()，predict.lm()和predict.glm()中的情况截然不同。在这些例程中，mgcv:::predict.gam()将传递给newdata。例如，在model.frame.default()中，有：

lm()

我没有使用m <- model.frame(Terms, newdata, na.action = na.action, xlev = object$xlevels)软件包，因此不确定survival在此软件包中的工作原理。所以我认为我们真的需要一些专家来解释这一点。

Answer 2

我认为可能是你的

Surv(start, stop, event) ~ rx + number

作为参数，无法正确创建。试试吧

is.Surv(formula)

作为函数的第一行。我怀疑它不会工作，然后我会建议使用apply系列函数。

R - model.frame（）和非标准评估

2 个答案: