我在函数
f
中有一个函数 g
,它首先操纵来自 lm
、lme4::lmer
或 lmerTest::lmer
的调用,然后重新执行它。 eval
将使用 f
(类型 1)或 g
(类型 2)、R
(类型 3)重复 vapply
mclapply
次。parSapply
虽然使用
g <- \(fit, type=1, R=2L, nc=2L) {
f <- \(...) {
## f manipulates call
if (inherits(fit, 'lmerMod')) {
cl <- fit@call
## manipulate...
lme4::fixef(eval(cl, envir=fenv))
} else {
cl <- fit$call
## manipulate...
eval(cl, envir=fenv)$coe
}
}
fenv <- new.env()
environment(f) <- fenv
if (type == 1) { ## rep. using `vapply`
bc <- vapply(seq_len(R), f, numeric(ncol(model.matrix(fit))))
} else if (type == 2) { ## rep. using `mclapply`
bc <- parallel::mclapply(seq_len(R), f, mc.cores=nc) |> do.call(what='cbind')
} else if (type == 3) { ## rep. using `parSapply`
.CL <- parallel::makeCluster(nc)
on.exit(parallel::stopCluster(.CL))
parallel::clusterExport(.CL, c('fit'), envir=fenv)
bc <- parallel::parSapply(.CL, seq_len(R), f)
} else stop('type undefined')
return(bc)
}
或
vapply
总是有效,但使用 mclapply
总是失败。不幸的是,parSapply
正是我目前所依赖的。还注意到使用 parSapply
、lm
或 lme4::lmer
时的差异。此外,我需要将公式作为对象提供,这使事情变得复杂。所以,首先是lmerTest::lmer
lm
接下来是
fo1 <- mpg ~ cyl
g(lm(fo1, mtcars), type=1) ## works
g(lm(fo1, mtcars), type=2) ## works
# [,1] [,2]
# (Intercept) 37.88458 37.88458
# cyl -2.87579 -2.87579
g(lm(fo1, mtcars), type=3) ## fails
# Error in checkForRemoteErrors(val) :
# 2 nodes produced errors; first error: object 'fo1' not found
lme4::lmer/lmerTest::lmer
data('sleepstudy', package='lme4')
sleepstudy$foo <- 0 ## to keep promise
fo2 <- Reaction ~ Days + (1 | Subject)
g(lme4::lmer(fo2, sleepstudy), type=1) ## works
g(lme4::lmer(fo2, sleepstudy), type=2) ## works
# [,1] [,2]
# (Intercept) 251.40510 251.40510
# Days 10.46729 10.46729
g(lme4::lmer(fo2, sleepstudy), type=3) ## fails
# Error in checkForRemoteErrors(val) :
# 2 nodes produced errors; first error: bad 'data': object 'sleepstudy' not
# found
g(lmerTest::lmer(fo2, sleepstudy), type=1) ## works
g(lmerTest::lmer(fo2, sleepstudy), type=2) ## works
g(lmerTest::lmer(fo2, sleepstudy), type=3) ## fails
# Error in checkForRemoteErrors(val) :
# 2 nodes produced errors; first error: object 'fo2' not found
和
lm
一致认为找不到公式,而lmerTest::lmer
找不到lme4::lmer
。最后,明确指定公式时的 sleepstudy
parSapply
g(lm(mpg ~ cyl, mtcars), type=3) ## works
# [,1] [,2]
# (Intercept) 37.88458 37.88458
# cyl -2.87579 -2.87579
g(lmerTest::lmer(Reaction ~ Days + (1 | Subject), sleepstudy), type=3) ## works
# [,1] [,2]
# (Intercept) 251.40510 251.40510
# Days 10.46729 10.46729
g(lme4::lmer(Reaction ~ Days + (1 | Subject), sleepstudy), type=3) ## fails
# Error in checkForRemoteErrors(val) :
# 2 nodes produced errors; first error: bad 'data': object 'sleepstudy' not
# found
还是找不到
lme4::lmer
。我玩弄了sleepstudy
,如果我不使用它,唯一的变化是,fenv <- new.env()
无法像其他人一样找到公式,但其中没有变化。需要一些帮助才能让 lme4::lmer
与所有
parSapply
、lm
和 lme4::lmer
一起工作。我怀疑有些懒惰,所以并不是 lmerTest::lmer
对象的所有部分都导出给工作人员。也不确定他们生活在哪个环境,已经搞乱了lmer
无济于事。
envir=parent.frame()
> sessionInfo()
R version 4.3.1 (2023-06-16)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 22.04.3 LTS
Matrix products: default
BLAS: /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.10.0
LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.10.0
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8
[4] LC_COLLATE=en_US.UTF-8 LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8
[7] LC_PAPER=en_US.UTF-8 LC_NAME=C LC_ADDRESS=C
[10] LC_TELEPHONE=C LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
time zone: Europe/Zurich
tzcode source: system (glibc)
attached base packages:
[1] stats graphics grDevices utils datasets methods base
loaded via a namespace (and not attached):
[1] vctrs_0.6.3 nlme_3.1-163 cli_3.6.1 rlang_1.1.1
[5] generics_0.1.3 minqa_1.2.5 glue_1.6.2 colorspace_2.1-0
[9] lme4_1.1-34 scales_1.2.1 fansi_1.0.4 grid_4.3.1
[13] lmerTest_3.1-3 munsell_0.5.0 tibble_3.2.1 MASS_7.3-60
[17] numDeriv_2016.8-1.1 lifecycle_1.0.3 compiler_4.3.1 dplyr_1.1.2
[21] Rcpp_1.0.11 pkgconfig_2.0.3 rstudioapi_0.15.0 lattice_0.21-8
[25] nloptr_2.0.3 R6_2.5.1 tidyselect_1.2.0 utf8_1.2.3
[29] pillar_1.9.0 parallel_4.3.1 splines_4.3.1 magrittr_2.0.3
[33] Matrix_1.6-1 tools_4.3.1 gtable_0.3.4 matrixStats_1.0.0
[37] boot_1.3-28.1 ggplot2_3.4.3
mtcars
之间的主要区别在于sleepstudy
是基础R的一部分,因此在R的任何实例中都可用;不需要加载。我不确定为什么 mtcars
lmerTest
包 depends(在技术意义上)
lmerTest
lme4
而不是
lme4::sleepstudy
,一切都会正常。lme4
如果您确保
g(lmerTest::lmer(Reaction ~ Days + (1 | Subject),
lme4::sleepstudy), type=3)
已加载到集群节点上(例如通过
lme4
),它也应该可以工作(尽管我还没有测试过)