Extraer información de la fórmula condicional

Question

Me gustaría escribir una función R que acepte una fórmula como primer argumento, similar a lm() o glm() y amigos. En este caso, se trata de una función que toma una trama de datos y escribe un archivo en SVMLight formato, que tiene esta forma general:

<line> .=. <target> <feature>:<value> <feature>:<value> ... <feature>:<value> # <info> 
<target> .=. +1 | -1 | 0 | <float> 
<feature> .=. <integer> | "qid" 
<value> .=. <float> 
<info> .=. <string> 

por ejemplo, la siguiente trama de datos:

result qid  f1  f2  f3  f4 f5  f6  f7  f8 
1  -1 1 0.0000 0.1253 0.0000 0.1017 0.00 0.0000 0.0000 0.9999 
2  -1 1 0.0098 0.0000 0.0000 0.0000 0.00 0.0316 0.0000 0.3661 
3  1 1 0.0000 0.0000 0.1941 0.0000 0.00 0.0000 0.0509 0.0000 
4  -1 2 0.0000 0.2863 0.0948 0.0000 0.34 0.0000 0.7428 0.0608 
5  1 2 0.0000 0.0000 0.0000 0.4347 0.00 0.0000 0.9539 0.0000 
6  1 2 0.0000 0.7282 0.9087 0.0000 0.00 0.0000 0.0000 0.0355 

haría ser representados de la siguiente manera:

-1 qid:1 2:0.1253 4:0.1017 8:0.9999 
-1 qid:1 1:0.0098 6:0.0316 8:0.3661 
1 qid:1 3:0.1941 7:0.0509 
-1 qid:2 2:0.2863 3:0.0948 5:0.3400 7:0.7428 8:0.0608 
1 qid:2 4:0.4347 7:0.9539 
1 qid:2 2:0.7282 3:0.9087 8:0.0355 

La función me gustaría escribir se llamaría algo así:

write.svmlight(result ~ f1+f2+f3+f4+f5+f6+f7+f8 | qid, data=mydata, file="out.txt") 

O incluso

write.svmlight(result ~ . | qid, data=mydata, file="out.txt") 

Pero no puedo encontrar la manera de utilizar model.matrix() y/o model.frame() saber qué columnas se supone que debe escribir. ¿Son estas las cosas correctas para mirar?

Cualquier ayuda muy apreciada!

Answer 1

Respuesta parcial. Puede subíndice un objeto fórmula para obtener un árbol de análisis sintáctico de la fórmula:

> f<-a~b+c|d 
> f[[1]] 
`~` 
> f[[2]] 
a 
> f[[3]] 
b + c | d 
> f[[3]][[1]] 
`|` 
> f[[3]][[2]] 
b + c 
> f[[3]][[3]] 
d 

Ahora todo lo que necesita es el código para recorrer este árbol.

ACTUALIZACIÓN: Aquí hay un ejemplo de una función que recorre el árbol.

walker<-function(formu){ 
    if (!is(formu,"formula")) 
    stop("Want formula") 
    lhs <- formu[[2]] 
    formu <- formu[[3]] 

    if (formu[[1]]!='|') 
    stop("Want conditional part") 

    condi <- formu[[3]] 

    flattener <- function(f) {if (length(f)<3) return(f); 
          c(Recall(f[[2]]),Recall(f[[3]]))} 
    vars <- flattener(formu[[2]]) 

    list(lhs=lhs,condi=condi,vars=vars) 
} 

walker(y~a+b|c) 

también un vistazo a la documentación de terms.formula y terms.object. Ver el código de algunas funciones que toman fórmulas condicionales puede ayudar, por ej. la función lmer en el paquete lme4.

Answer 2

que utilizan

formu.names <- all.vars(formu) 
Y.name <- formu.names[1] 
X.name <- formu.names[2] 
block.name <- formu.names[3] 

En el código que he escrito acerca de hacer un post-hoc para una prueba de Friedman:

http://www.r-statistics.com/2010/02/post-hoc-analysis-for-friedmans-test-r-code/

Pero sólo funcionará para: Y`X | bloque

Espero una mejor respuesta que otros darán.