时间戳

首页 > 解决方案 > 如何通过向量化以及来自 dplyr 的 group_by 函数迭代列

r - 如何通过向量化以及来自 dplyr 的 group_by 函数迭代列

问题描述

正如用 dplyr 拟合多个回归模型所解释的，我们可以使用broomtidy包中的函数跨组运行回归。例如，下面列出了iris数据集的演示代码，但是如果我们打算同时循环多个列并使用不同的因变量（Sepal.Length、Sepal.Width、Petal.Length ）运行回归，该怎么办？ ) 连同这个group_by操作，我怎样才能将(s)apply函数集成到这种情况下并获得这些回归模型的结果（3 * 3 = 9）？

library(dplyr);library(broom)
res1=iris%>%
group_by(Species)%>%
do(res=lm(Sepal.Length~Petal.Width,data=.))
tidy(res1, res)%>%
filter(term!="(Intercept)")

标签： rdplyrvectorization

解决方案

您可以使用lme4::lmList和来做到这一点broom.mixed::tidy。您也许可以将其调整为管道，但这应该可以帮助您入门。在这里，基本上执行与管道lmList中相同的功能，但我更容易概念化如何使用. 祝你好运！！group_bydplyrlapply

library(lme4)
library(broom.mixed)

# Selecting DVs
dvs <- names(iris)[1:3]

# Making formula objects
formula_text <- paste0(dvs, "~ Petal.Width | Species")
formulas <- lapply(formula_text, formula)

# Running grouped analyses and looping through DVs
results <- lapply(formulas, function(x) {
  res <- broom.mixed::tidy(lmList(x, iris))
  res[res$terms != "(Intercept)",]
})

# Renaming and viewing results
names(results) <- formula_text

并且，查看结果：

results
$`Sepal.Length~ Petal.Width | Species`
# A tibble: 3 x 6
  group      terms       estimate   p.value std.error statistic
  <chr>      <chr>          <dbl>     <dbl>     <dbl>     <dbl>
1 setosa     Petal.Width    0.930 0.154         0.649      1.43
2 versicolor Petal.Width    1.43  0.0000629     0.346      4.12
3 virginica  Petal.Width    0.651 0.00993       0.249      2.61

$`Sepal.Width~ Petal.Width | Species`
# A tibble: 3 x 6
  group      terms       estimate    p.value std.error statistic
  <chr>      <chr>          <dbl>      <dbl>     <dbl>     <dbl>
1 setosa     Petal.Width    0.837 0.0415         0.407      2.06
2 versicolor Petal.Width    1.05  0.00000306     0.217      4.86
3 virginica  Petal.Width    0.631 0.0000855      0.156      4.04

$`Petal.Length~ Petal.Width | Species`
# A tibble: 3 x 6
  group      terms       estimate  p.value std.error statistic
  <chr>      <chr>          <dbl>    <dbl>     <dbl>     <dbl>
1 setosa     Petal.Width    0.546 2.67e- 1     0.490      1.12
2 versicolor Petal.Width    1.87  3.84e-11     0.261      7.16
3 virginica  Petal.Width    0.647 7.55e- 4     0.188      3.44

推荐阅读