Программное регрессионное моделирование с использованием tidyeval

Я пытаюсь разобраться в программировании с помощью tidyeval.

Я хочу написать функцию для запуска моделей логистической регрессии для выбранных переменных результата:

library(tidyverse)
set.seed(1234)

df <- tibble(id = 1:1000,
             group = sample(c("Group 1", "Group 2", "Group 3"), 1000, replace = TRUE),
             died = sample(c(0,1), 1000, replace = TRUE))

myfunc <- function(data, outcome){

enquo_var <- enquo(outcome)

fit <- tidy(glm(!!enquo_var ~ group, data=data, 
                family = binomial(link = "logit")), 
                exponentiate = TRUE, conf.int=TRUE)

fit
}


myfunc(df, died)

Но получите:

Ошибка в! Enquo_outcome: недопустимый тип аргумента

(обратите внимание, что реальный сценарий включает более сложную функцию).

Это возможно?


r dplyr tidyeval rlang
person Peter MacPherson    schedule 27.09.2017    source источник

Ответы (2)


arrow_upward
6
arrow_downward

Нам нужно создать формулу для glm, чтобы это понять. Один вариант - paste

myfunc <- function(data, outcome){
  enquo_var <- enquo(outcome)
   fit <- tidy(glm(paste(quo_name(enquo_var), "group", sep="~"), data=data, 
                family = binomial(link = "logit")), 
                exponentiate = TRUE, conf.int=TRUE)

fit
}

myfunc(df, died)
#         term  estimate std.error  statistic    p.value  conf.low conf.high
#1  (Intercept) 0.8715084 0.1095300 -1.2556359 0.20924801 0.7026185  1.079852
#2 groupGroup 2 0.9253515 0.1550473 -0.5003736 0.61681204 0.6826512  1.253959
#3 groupGroup 3 1.3692735 0.1557241  2.0181864 0.04357185 1.0095739  1.859403

Если нам также нужно использовать функции tidyverse

myfunc <- function(data, outcome){

  quo_var <- quo_name(enquo(outcome))

   fit <- tidy(glm(rlang::expr(!! rlang::sym(quo_var) ~ group), data=data, 
            family = binomial(link = "logit")), 
            exponentiate = TRUE, conf.int=TRUE)

 fit
}

myfunc(df, died)
#           term  estimate std.error  statistic    p.value  conf.low conf.high
#1  (Intercept) 0.8715084 0.1095300 -1.2556359 0.20924801 0.7026185  1.079852
#2 groupGroup 2 0.9253515 0.1550473 -0.5003736 0.61681204 0.6826512  1.253959
#3 groupGroup 3 1.3692735 0.1557241  2.0181864 0.04357185 1.0095739  1.859403

Или как @lionel, упомянутый в комментариях, можно использовать get_expr

myfunc <- function(data, outcome){

  quo_var <- enquo(outcome)

   fit <- tidy(glm(rlang::expr(!! rlang::get_expr(quo_var) ~ group), data=data, 
            family = binomial(link = "logit")), 
            exponentiate = TRUE, conf.int=TRUE)

 fit
}

myfunc(df, died)
#         term  estimate std.error  statistic    p.value  conf.low conf.high
#1  (Intercept) 0.8715084 0.1095300 -1.2556359 0.20924801 0.7026185  1.079852
#2 groupGroup 2 0.9253515 0.1550473 -0.5003736 0.61681204 0.6826512  1.253959
#3 groupGroup 3 1.3692735 0.1557241  2.0181864 0.04357185 1.0095739  1.859403

Или более компактный подход, предложенный @lionel, который избегает преобразования enquo/quo_name/sym, вместо этого напрямую принимает аргумент в enexpr

 myfunc <- function(data, outcome){



   fit <- tidy(glm(rlang::expr(!! rlang::enexpr(outcome) ~ group), data=data, 
            family = binomial(link = "logit")), 
            exponentiate = TRUE, conf.int=TRUE)

 fit
}

myfunc(df, died)
#         term  estimate std.error  statistic    p.value  conf.low conf.high
#1  (Intercept) 0.8715084 0.1095300 -1.2556359 0.20924801 0.7026185  1.079852
#2 groupGroup 2 0.9253515 0.1550473 -0.5003736 0.61681204 0.6826512  1.253959
#3 groupGroup 3 1.3692735 0.1557241  2.0181864 0.04357185 1.0095739  1.859403
person akrun    schedule 27.09.2017
comment
Ах ... теперь это имеет смысл. Спасибо! - person Peter MacPherson; 27.09.2017
comment
@PeterMacPherson Я также добавил еще один вариант с tidyverse - person akrun; 27.09.2017
comment
Благодарю. Раньше я пробовал использовать rlang :: sym, но не получил части expr. Еще раз большое спасибо! - person Peter MacPherson; 27.09.2017
comment
Неидиоматично, что вы создаете запрос, а затем сериализуете его с помощью quo_name(). Я думаю, нам нужно гораздо яснее указать в документации, что quo_name() не предназначен для программирования, он предназначен только для маркировки, то есть присвоения имени по умолчанию в столбце фрейма данных и т.п. - person Lionel Henry; 27.09.2017
comment
@lionel OP принимает аргумент как строку без кавычек - person akrun; 27.09.2017
comment
Также во втором примере вы создаете предложение, превращаете его в строку, а затем снова преобразуете его обратно в символ. Это много взад и вперед. Я бы просто оставил это как вопрос и использовал get_expr(). В следующей версии rlang будет ensym() для захвата непосредственно в виде символа (и убедитесь, что пользователь действительно предоставил символ, а enquo() пользователь может предоставить что угодно). - person Lionel Henry; 27.09.2017
comment
что вы имеете в виду под OP принимает аргумент как строку без кавычек? - person Lionel Henry; 27.09.2017
comment
@lionet Я имел в виду, что аргумент не цитируется - person akrun; 27.09.2017
comment
@lionel Я пробовал использовать tidy(glm(rlang::get_expr(quo_var ~ group), data=data, family = binomial(link = "logit")), exponentiate = TRUE, conf.int=TRUE), но он не работает - person akrun; 27.09.2017
comment
Я думаю, как только у нас будет ensym() правильный способ сделать это будет as_string(ensym(x)). В любом случае спасибо за ваш вклад! - person Lionel Henry; 27.09.2017
comment
Я имел в виду get_expr() вместо sym(). get_expr() примет выражение вопроса. - person Lionel Henry; 27.09.2017
comment
Или вы можете просто использовать enexpr() вместо enquo(), поскольку здесь вам не нужны вопросы. Затем вы можете отменить его цитирование: expr(!! enexpr(x) ~ group). Я бы также проверил, что результат enexpr() действительно является символом. - person Lionel Henry; 27.09.2017
comment
Позвольте нам продолжить это обсуждение в чате. - person Lionel Henry; 27.09.2017
comment
@lionel Это новая функция. Я получаю Error: 'en_expr' is not an exported object from 'namespace:rlang' - person akrun; 27.09.2017

arrow_upward
0
arrow_downward

Базовый NSE, похоже, тоже работает:

library(broom)
myfunc <- function(data, outcome){
  outcome_subst <- substitute(outcome)
  fit <- tidy(glm(paste(as.name(outcome_subst), "group", sep="~"), data=data, 
                  family = binomial(link = "logit")), 
              exponentiate = TRUE, conf.int=TRUE)

  fit
}


myfunc(df, died)



         term  estimate std.error statistic    p.value  conf.low conf.high
1  (Intercept) 0.8238636 0.1121528 -1.727556 0.08406792 0.6606245  1.025838
2 groupGroup 2 1.2587484 0.1571734  1.464102 0.14316606 0.9253116  1.713937
3 groupGroup 3 1.2490778 0.1550546  1.434369 0.15146698 0.9220209  1.693699
person Sebastian Sauer    schedule 02.11.2017