文章目录

例子1例子2例子3：回归函数lm中例子4：绘图函数ggplot中 parse函数解析字符串为表达式；eval函数执行表达式输出结果；parse函数和eval函数在自定义函数中常常非常有用

library(ggplot2) rm(list = ls())

例子1

b为字符换：“character”

b <- " for (i in 1:5) { print(i) } " class(b) # [1] "character"

parse函数将b转化为表达式：“expression”

parsed_b <- parse(text = b) parsed_b # expression(for (i in 1:5) { # print(i) # }) class(parsed_b) # [1] "expression"

eval函数执行表达式

eval(parsed_b) # [1] 1 # [1] 2 # [1] 3 # [1] 4 # [1] 5

例子2

mtcars为R自带的有关汽车的数据集

class(mtcars) # [1] "data.frame" class(parse(text = "mtcars")) # [1] "expression" class(eval(parse(text = "mtcars"))) # [1] "data.frame" head(eval(parse(text = "mtcars"))) # mpg cyl disp hp drat wt qsec vs am gear # Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 # Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 # Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 # Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 # Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 # Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 # carb # Mazda RX4 4 # Mazda RX4 Wag 4 # Datsun 710 1 # Hornet 4 Drive 1 # Hornet Sportabout 2 # Valiant 1

例子3：回归函数lm中

使用mtcars数据集，以wt为因变量，欲分别建立mpg、cyl、disp、hp、drat与wt的回归模型

以wt与mpg的回归模型为例，可以直接这样写

lm(wt ~ mpg, data = mtcars) # # Call: # lm(formula = wt ~ mpg, data = mtcars) # # Coefficients: # (Intercept) mpg # 6.0473 -0.1409

如果建模过程语句较多，而不同模型仅仅是自变量发生了变化，那么编写函数可以简化过程。

编写函数时该如何指明自变量那？

以下函数编写方式行不通，"mpg"或mpg无法正确识别

# lm_func <- function(var) { # lm(wt ~ var, data = mtcars) # } # # lm_func(var = mpg) # lm_func(var = "mpg")

查阅帮助可知，lm函数的第一个参数为formula

# lm(formula = , data = )

使用parse函数和eval函数将字符串形式的"wt ~ mpg"转换为formula，再带入lm函数后可以正确运行

class(eval(parse(text = "wt ~ mpg"))) # [1] "formula" lm(eval(parse(text = "wt ~ mpg")), data = mtcars) # # Call: # lm(formula = eval(parse(text = "wt ~ mpg")), data = mtcars) # # Coefficients: # (Intercept) mpg # 6.0473 -0.1409

根据上述信息，lm_func函数可编写为

lm_func <- function(var) { lm(eval(parse(text = paste0("wt ~ ", var))), data = mtcars) } lm_func(var = "mpg") # 正确执行了 # # Call: # lm(formula = eval(parse(text = paste0("wt ~ ", var))), data = mtcars) # # Coefficients: # (Intercept) mpg # 6.0473 -0.1409

除了使用parse函数和eval函数，另一种方法是使用formula函数将字符串"wt ~ mpg"直接转换为formula

class(formula("wt ~ mpg")) # [1] "formula" lm(formula("wt ~ mpg"), data = mtcars) # # Call: # lm(formula = formula("wt ~ mpg"), data = mtcars) # # Coefficients: # (Intercept) mpg # 6.0473 -0.1409

使用formula函数，lm_func可编写为

lm_func <- function(var) { lm(formula(paste0("wt ~ ", var)), data = mtcars) } lm_func(var = "mpg") # 正确执行了 # # Call: # lm(formula = formula(paste0("wt ~ ", var)), data = mtcars) # # Coefficients: # (Intercept) mpg # 6.0473 -0.1409

例子4：绘图函数ggplot中

使用mtcars数据集，以wt为因变量，欲分别绘制mpg、cyl、disp、hp、drat与wt的散点图

以wt与mpg的散点图为例，可以直接这样写

ggplot(data = mtcars, aes(x = mpg, y = wt)) + geom_point() + labs(x = "mpg", y = "wt") + theme_bw()

这样编写绘图函数，结果表明行不通

# plot_func <- function(var) { # ggplot(data = mtcars, aes(x = var, y = wt)) + # geom_point() + # labs(x = var, y = "wt") + # theme_bw() # } # # plot_func(var = mpg) # plot_func(var = "mpg")

尝试使用eval函数和parse函数，结果表明这样可以正确运行

ggplot(data = mtcars, aes(x = eval(parse(text = "mpg")), y = eval(parse(text = "wt")))) + geom_point() + labs(x = "mpg", y = "wt") + theme_bw()

根据上述信息，plot_func函数可编写为

plot_func <- function(var) { ggplot(data = mtcars, aes(x = eval(parse(text = var)), y = eval(parse(text = "wt")))) + geom_point() + labs(x = var, y = "wt") + theme_bw() } plot_func(var = "mpg") # 正确运行了

另一种方法：ggplot函数参数中，将aes改为aes_string可以正确处理字符串对象

ggplot(data = mtcars, aes_string(x = "mpg", y = "wt")) + geom_point() + labs(x = "mpg", y = "wt") + theme_bw()

使用aes_string，绘图函数还可编写为

plot_func <- function(var) { ggplot(data = mtcars, aes_string(x = var, y = "wt")) + geom_point() + labs(x = var, y = "wt") + theme_bw() } plot_func(var = "mpg") # 正确运行了