eval（expr，envir，enclos）中的错误：找不到函数 - 嵌套函数和环境

Question

下面显示的R代码​​是一个最小工作示例，用于重现我无法理解的错误。运行该脚本应该会产生错误，Error in eval(expr, envir, enclos) : could not find function "fitModel"。在environments上阅读了一两样东西后，我想我明白为什么会发生这种情况，“fitModel”没有在“obscureFunction”的执行环境中定义。我通过对“myFormula”进行以下更改来修复： myFormula <- "y ~ eval(fitModel(x, a), envir = environment(fitModel))"

我不明白在调用环境中找不到函数时，如何在“fitModel”环境中评估“fitModel”的“obscureFunction”，换句话说，我不明白为什么这个代码改变的作品。我也不明白为什么如果在不调用它的情况下运行“topFunction”的主体，原始代码工作正常，即我们在R_GlobalEnv中定义“fitModel”和“obscureFunction”，并从控制台调用“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

那么，这里有两个问题。第一种是使用一个字符串作为公式。这是更好的使用

myFormula <- y ~ fitModel(x, a) 

原因是公式捕捉他们的环境，字符串没有。 （正如@BridieG所指出的那样，as.formula()将捕获环境;在阅读代码时，我忽略了这一行，我仍然认为最好直接创建公式）。使用引用环境可以更容易地找到公式中使用的函数。所以，如果你正在使用lm()而非nlsLM，这将与这两个变化

# 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) 

这适用公式语法（不带引号的变种名称），而不是工作的字符串，因为该公式可以捕捉环境。

至少它应该如何工作。软件包作者可自由评估公式的方式，并且nlsLM()函数的作者决定忽略分配给公式的环境。他们在这个函数这么做内nlsLM()

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

所以这是第二个问题。在这里，他们在mf对象中执行评估，该对象是由数据和参数估计的协变量组成的数据框。如果它被写为

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

它会工作。这基本上是什么model.frame()在lm()，允许这个工作。我们可以使函数的我们自己的“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))) 

然后使这些替代

# 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) 

它的工作的工作并返回

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 

所以这是不是真的太多你可以说所有R函数如何处理环境和范围。这种行为对于nlsLM()作者如何决定评估其参数是独特的。