将“...”参数的参数提供给R中的正确函数[重复]答案

【问题标题】：Giving arguments from "..." argument to right function in R [duplicate]将“...”参数的参数提供给R中的正确函数[重复]
【发布时间】：2016-10-23 23:06:08
【问题描述】：

我有一个函数来计算分类变量和连续变量的矩阵的相关性：

correlation <- function(matrix, ...) {
    xx <- do.call(rbind, lapply(colnames(mtrc), function(ex_i) {
        ty_i <- wtype(matrix, ex_i)
        yy <- sapply(colnames(mtrc), function(ex_j) {
            ty_j <- wtype(matrix, ex_j)

            if(ty_i == "numeric" & ty_j == "numeric") {
                cor(mtrc[ , c(ex_i, ex_j)], ...)[1, 2]
            } else if(ty_i == "factor" & ty_j == "factor") {
                cramersV(table(mtrc[ , c(ex_i, ex_j)]), ...)
            } else {
                fm <- paste(ex_i, "~", ex_j)
                if(ty_i == "factor") {
                    fm <- paste(ex_j, "~", ex_i)
                }
                fm <- lm(fm, data = mtrc[ , c(ex_i, ex_j)], ...)
                lm.beta(fm)
            }
        })
        names(yy) <- colnames(mtrc)
        yy
    }))
    rownames(xx) <- colnames(mtrc)
    xx
}

我的问题是如何正确地将参数... 传递给cor、cramerV 和lm。如果用户为cor 提供参数并且矩阵中有分类变量，则这三个函数的参数名称不匹配，因此cramerV 或lm 会引发错误（未使用的参数.. .).

所以...我愿意接受您可以提出的任何解决方案或想法。

【问题讨论】：

执行dots <- list(...) 并检查，例如，哪些元素与formalArgs(lm) 匹配并将列表子集到这些元素。将fm 和data 参数添加到此列表并使用do.call 调用lm。我会告诉你怎么做，但你没有提供一个可重复的例子。
您可能还会在pryr 包中找到对此类任务有用的函数dots 或named_dots。

标签： r arguments parameter-passing

【解决方案1】：

当我在下面回答时，我没有意识到 Richard Scriven 在 2014 年提出了一个很好的问题：Split up `...` arguments and distribute to multiple functions。所以是的，这是一个重复的问题。但我会在这里保留我的答案，因为它代表了我的想法（以及我的想法）。

原答案

我认为这更好，通过给你的correlation 函数一个更好的控制：

correlation <- function(matrix, cor.opt = list(), cramersV.opt = list(), lm.opt = list()) {
    xx <- do.call(rbind, lapply(colnames(mtrc), function(ex_i) {
        ty_i <- wtype(matrix, ex_i)
        yy <- sapply(colnames(mtrc), function(ex_j) {
            ty_j <- wtype(matrix, ex_j)

            if(ty_i == "numeric" & ty_j == "numeric") {
                do.call("cor", c(list(x = mtrc[ , c(ex_i, ex_j)]), cor.opt))[1, 2]
            } else if(ty_i == "factor" & ty_j == "factor") {
                do.call("cramersV", c(list(x = table(mtrc[ , c(ex_i, ex_j)])), cramersV.opt))
            } else {
                fm <- paste(ex_i, "~", ex_j)
                if(ty_i == "factor") {
                    fm <- paste(ex_j, "~", ex_i)
                }
                fm <- do.call("lm", c(list(formula = fm, data = mtrc[ , c(ex_i, ex_j)]), lm.opt))
                lm.beta(fm)
            }
        })
        names(yy) <- colnames(mtrc)
        yy
    }))
    rownames(xx) <- colnames(mtrc)
    xx
}

您可以通过参数cor.opt、cramersV.opt 和lm.opt 传递用于不同函数的不同参数。然后，在您的函数 correlation 中，使用 do.call() 进行所有相关的函数调用。

我喜欢@Roland 的想法。他选择使用...，同时根据不同函数的形式参数拆分list(...)。另一方面，我要求您手动将这些参数指定到不同的列表中。最后，我们都要求你使用do.call()进行函数调用。

Roland 的想法适用范围很广，因为它更容易扩展到更多需要... 的功能。

【讨论】：