依赖于 R 中非标准求值的函数的包装器

Question

我围绕ftable写了一个包装器，因为我需要计算许多变量的频率和百分比的平面表：

mytable <- function(...) {
    tab <- ftable(...,
                  exclude = NULL)
    prop <- prop.table(x = tab,
                       margin = 2) * 100
    bind <- cbind(as.matrix(x = tab),
                  as.matrix(x = prop))
    margin <- addmargins(A = bind,
                         margin = 1)
    round(x = margin,
          digits = 1)
}
mytable(formula = wool + tension ~ breaks,
        data = warpbreaks)
    A_L A_M A_H B_L B_M B_H   A_L   A_M   A_H   B_L   B_M   B_H
10    0   0   1   0   0   0   0.0   0.0  11.1   0.0   0.0   0.0
12    0   1   0   0   0   0   0.0  11.1   0.0   0.0   0.0   0.0
13    0   0   0   0   0   1   0.0   0.0   0.0   0.0   0.0  11.1
14    0   0   0   1   0   0   0.0   0.0   0.0  11.1   0.0   0.0
15    0   0   1   0   0   2   0.0   0.0  11.1   0.0   0.0  22.2
...
Sum   9   9   9   9   9   9 100.0 100.0 100.0 100.0 100.0 100.0

但是，我不能将ftable中的子集参数与我的函数一起使用，也不能与最小mytable <- function(...) ftable(...)一起使用：

mytable(formula = wool + tension ~ breaks,
        data = warpbreaks,
        subset = breaks < 20)
 Error in eval(substitute(subset), data, env) : 
  ..3 used in an incorrect context, no ... to look in

我知道我可以使用 data = warpbreaks[warpbreaks$breaks < 20, ] 作为解决方法在数据参数中进行子集化，但我希望提高我对 R 的了解."高级 R"帮助我理解错误是由于非标准评估造成的，但我没有设法纠正我的代码。

所以我的问题是：

• 如何告诉R在warpbreaks中寻找breaks？
• 更一般地说，是否有更明显的基础 R 方法来计算单个和多个变量的垂直布局中具有频率和百分比的平面表？(我可以用mytable(x = warpbreaks$tension, row.vars = 1)获得单个变量的垂直布局。

Answer 1

使用没有...的函数定义，我得到一个不同的错误：

mytable <- function(formula,
                    data,
                    subset) ftable(formula = formula,
                                   data = data,
                                   subset = subset)
mytable(formula = wool + tension ~ breaks,
        data = warpbreaks,
        subset = breaks < 20)
 Error in xj[i] : invalid subscript type 'closure'

这个错误导致我找到了以前从未发现的资源。

一些线程引导我：

# function 1
mytable <- function(...) {
    mc <- match.call()
    mc["exclude"] <- list(NULL)
    do.call(what = ftable,
            args = as.list(x = mc[-1]))
    #etc
}

write.csv系列和lm源代码使我：

# function 2
mytable <- function(...) {
    mc <- match.call()
    mc[[1]] <- quote(expr = ftable)
    mc["exclude"] <- list(NULL)
    eval(expr = mc)
    # etc
}

但是，我正在寻找两种方法(函数 1 和函数 2(的优缺点，因为我不知道一种方法是否值得青睐。到目前为止，我只是发现do.call可能会更慢。

更重要的是，这些方法导致了我的另一个问题：我不能再将我的包装器与lapply和with一起使用。