在函数中使用jags.parallel ( get(name，envir = envir)中的R语言错误:找不到对象'y‘)

Question

从命令行或脚本中使用jags.parallel很好。我可以在http://www.inside-r.org/packages/cran/R2jags/docs/jags上运行这个修改过的示例。

# An example model file is given in:
  model.file <- system.file(package="R2jags", "model", "schools.txt")
#=================#
# initialization  #
#=================#

  # data
  J <- 8.0
  y <- c(28.4,7.9,-2.8,6.8,-0.6,0.6,18.0,12.2)
  sd <- c(14.9,10.2,16.3,11.0,9.4,11.4,10.4,17.6)

  jags.data <- list("y","sd","J")
  jags.params <- c("mu","sigma","theta")
  jags.inits <- function(){
    list("mu"=rnorm(1),"sigma"=runif(1),"theta"=rnorm(J))
  }


#===============================#
# RUN jags and postprocessing   #
#===============================#
#  jagsfit <- jags(data=jags.data, inits=jags.inits, jags.params, 
#    n.iter=5000, model.file=model.file)

  # Run jags parallely, no progress bar. R may be frozen for a while, 
  # Be patient. Currenlty update afterward does not run parallelly

  print("Running Parallel") 
  jagsfit <- jags.parallel(data=jags.data, inits=jags.inits, jags.params, 
    n.iter=5000, model.file=model.file)

但是，如果我将它包装在一个函数中

testparallel <- functions(out){
# An example model file is given in:
    .
    .
    .
jagsfit <- jags.parallel(data=jags.data, inits=jags.inits, jags.params, 
  n.iter=5000, model.file=model.file)
print(out)
return(jagsfit)
}

然后我得到了错误: get中的错误(name，envir = envir)：对象'y‘根据我找到的内容找不到，我知道这是导出到集群的环境中的一个问题，我已经通过更改来修复它。

J <- 8.0
y <- c(28.4,7.9,-2.8,6.8,-0.6,0.6,18.0,12.2)
sd <- c(14.9,10.2,16.3,11.0,9.4,11.4,10.4,17.6)

至

  assign("J",8.0,envir=globalenv()) 
  assign("y",c(28.4,7.9,-2.8,6.8,-0.6,0.6,18.0,12.2),envir=globalenv()) 
  assign("sd",c(14.9,10.2,16.3,11.0,9.4,11.4,10.4,17.6),envir=globalenv()) 

有什么更好的办法避开这件事吗？

谢谢你，格雷格

附注：

我正在为其他人编写这段代码，所以我真的不想改变R2jags包中的内容，让我在环境中传递导出，尽管我计划向包的作者推荐它。

Answer 1

因此，我联系了R2jags的作者，他在jags.parallel中添加了一个加法参数，让您可以将环境传递给clusterExport。

除了允许我的数据名称与jags.parallel函数中的变量之间发生冲突外，这是很好的。

Answer 2

如果您在并行中使用密集的JAGS，我可以建议您将包rjags与包dclone相结合。我认为dclone非常强大，因为语法与rjags完全相同。我从来没见过你对这个包裹有意见。

如果您想使用R2jags，我认为您需要将变量和init函数传递给带有该函数的工作人员：

clusterExport(cl, list("jags.data", "jags.params", "jags.inits"))

Answer 3

在不更改R2jags代码的情况下，仍然可以使用list2env以更简单的方式将这些数据变量分配给全局环境。

显然，人们担心这些变量名可能会在全局环境中被覆盖，但是您可能可以控制它。

下面是与最初文章中给出的示例相同的代码，但我将数据放入一个列表，并使用list2env函数将该列表的数据发送到全局环境中。(此外，我在函数中取出了未使用的" out“变量。)对于我来说，这目前运行得很好；但是，您可能需要添加更多的链和/或添加更多的迭代来查看并行性。

testparallel <- function(){

    library(R2jags)

    model.file <- system.file(package="R2jags", "model", "schools.txt")

    # Make a list of the data with named items.
    jags.data.v2 <- list(
        J=8.0, 
        y=c(28.4,7.9,-2.8,6.8,-0.6,0.6,18.0,12.2),
        sd=c(14.9,10.2,16.3,11.0,9.4,11.4,10.4,17.6) )

    # Store all that data explicitly in the globalenv() as
    # was previosly suggesting using the assign(...) function.
    # This will do that for you.
    # Now R2jags will have access to the data without you having 
    # to explicitly "assign" each to the globalenv.
    list2env( jags.data.v2, envir=globalenv() )

    jags.params <- c("mu","sigma","theta")
    jags.inits <- function(){
        list("mu"=rnorm(1),"sigma"=runif(1),"theta"=rnorm(J))
    }

    jagsfit <- jags.parallel(
        data=names(jags.data.v2), 
        inits=jags.inits, 
        jags.params, 
        n.iter=5000, 
        model.file=model.file)

    return(jagsfit)
}