调用datadist（）和#x2B；设置rms时失败的测试；选项（）

我试图使用

testthat

包进行一些单元测试，但我似乎无法让它与

rms

包一起正常工作。下面是一个例子：

library(rms)
set.seed(10)
ds <- data.frame(
  ftime = rexp(200),
  fstatus = sample(0:1,200,replace=TRUE),
  x1 = runif(200),
  x2 = runif(200),
  x3 = factor(sample(LETTERS[1:3], size=200, replace=TRUE)))


ddist <- datadist(ds)
options(datadist="ddist")

s <- Surv(ds$ftime, ds$fstatus == 1)
fit <- cph(s ~ x1 + x2 + x3, data=ds)

---

R CMD检查也会出现同样的错误——正如cran所示，这是一个范围问题

一种可能的解决方法是在调用

test\u dir

例如，像这样创建文件，

runtest.R

library(rms)
set.seed(10)
ds <- data.frame(
  ftime = rexp(200),
  fstatus = sample(0:1,200,replace=TRUE),
  x1 = runif(200),
  x2 = runif(200),
  x3 = factor(sample(LETTERS[1:3], size=200, replace=TRUE)))
ddist <- datadist(ds)
options(datadist="ddist")
library(testthat)
test_dir("inst/tests")

库（rms）
种子（10）
ds虽然@agstudy的建议是正确的，但我已经通过使用@agstudy:添加了我如何运行测试的方法，找到了一个解决该错误的简单方法。众所周知，哈雷尔教授和威克姆教授都（或曾经）使用了可能接近或不接近R Core的编程技术。因此，可能会出现持续时间超过四小时的副作用。我想你可能刚刚遇到一个。如果你想继续使用，你可以尝试另外两个单元测试包。目前无法复制。R 2.15.2、MacOS 10.6.8、R.app GUI 1.53（6335）、
testthat
version 0.7、
evaluate
0.4.2（并使用
evaluate
0.4.3重新测试）。也许是因为通常的路径被StatET劫持了？我不知道你所说的相同错误是什么意思：
R CMD check——正如cran
所说的是完整的命令行条目（当我输入它时，它给出了一个错误，但与
rms
无关）？@DWin：我使用Windows7，R2.15.2 64位，测试V0.7，评估0.4.3和最新的rms包3.6-2。R CMD只是我的软件包的cran检查。@DirkEddelbuettel:我非常喜欢Hmisc/rms软件包中的工具，我自己的软件包是为了补充其中的一些工具，比如latex（）的降价替代品。我设置单元测试的原因是看我是否可以通过重新构造Predict（）、predictrms（）、contrast（）和summary.rms（）来理解一些代码-它们都有自己的置信区间计算。在我看来，这似乎是个坏主意，尤其是因为Predict（）似乎是唯一正确处理自举估计的方法（coef.reps=TRUE）。
library(rms)
set.seed(10)
ds <- data.frame(
  ftime = rexp(200),
  fstatus = sample(0:1,200,replace=TRUE),
  x1 = runif(200),
  x2 = runif(200),
  x3 = factor(sample(LETTERS[1:3], size=200, replace=TRUE)))
ddist <- datadist(ds)
options(datadist="ddist")
library(testthat)
test_dir("inst/tests")

set.seed(10)
n <- 11
ds <- data.frame(
  y = rnorm(n),
  x1 = factor(sample(c("a", "aa", "aaa"), size = n, replace = TRUE)))

suppressMessages(library(rms))
dd <<- datadist(ds)
options(datadist = "dd")

context("rms")
test_that("test", {
  fit <- ols(y ~ x1, data=ds)
  s <- summary(fit)
  expect_true(inherits(s, "summary.rms"))
})

context("rms")
test_that("test", {
  set.seed(10)
  n <- 11
  ds <- data.frame(
    y = rnorm(n),
    x1 = factor(sample(c("a", "aa", "aaa"), size = n, replace = TRUE)))

  suppressMessages(library(rms))
  dd <<- datadist(ds)
  options(datadist = "dd")

  fit <- ols(y ~ x1, data=ds)
  s <- summary(fit)
  expect_true(inherits(s, "summary.rms"))
})

env <- globalenv() # Grab the global environment
env$dd <- datadist(ds) # Assign the datadist to it