R 线性回归函数调用中如何动态引用数据集

假设我有这样一个函数：

data("mtcars")
ncol(mtcars)

test <- function(string){
      fit <- lm(mpg ~ cyl,
                     data = string)
      return(fit)
}

但是，我得到一个错误：

eval（predvars、data、env）中出错：的'envir'参数无效 键入“字符”

---

我尝试过使用

eval

和

parse

的组合，但没有效果。有什么想法吗？

请尝试对代码进行以下细微更改：

#Code
test <- function(string){
  fit <- lm(mpg ~ cyl,
            data = eval(parse(text=string)))
  return(fit)
}
#Apply
test("mtcars")

---

请尝试对代码进行以下细微更改：

#Code
test <- function(string){
  fit <- lm(mpg ~ cyl,
            data = eval(parse(text=string)))
  return(fit)
}
#Apply
test("mtcars")

您可以使用

get（）

按名称搜索对象

test <- function(string){
  fit <- lm(mpg ~ cyl, data = get(string))
  return(fit)
}

test("mtcars")

# Call:
# lm(formula = mpg ~ cyl, data = get(string))
# 
# Coefficients:
# (Intercept)          cyl  
#      37.885       -2.876 

您可以使用

get（）

按名称搜索对象

test <- function(string){
  fit <- lm(mpg ~ cyl, data = get(string))
  return(fit)
}

test("mtcars")

# Call:
# lm(formula = mpg ~ cyl, data = get(string))
# 
# Coefficients:
# (Intercept)          cyl  
#      37.885       -2.876 

---

否，在此处使用

get

eval（parse（））

不用于此目的（通常应避免使用，有效用例很少）。调试和维护使用

eval（parse（））

的代码是一场噩梦。它也很慢。不，在这里使用

get

eval（parse（））

不用于此目的（通常应避免使用，有效用例很少）。调试和维护使用

eval（parse（））

的代码是一场噩梦。它也很慢。

test <- function(string){
  fit <- lm(mpg ~ cyl, data = get(string))
  fit$call$data <- as.name(string)
  return(fit)
}

test("mtcars")

# Call:
# lm(formula = mpg ~ cyl, data = mtcars)
# 
# Coefficients:
# (Intercept)          cyl  
#      37.885       -2.876