时间戳

首页 > 解决方案 > 为因子的每个级别拟合“lm”模型

r - 为因子的每个级别拟合“lm”模型

问题描述

我正在尝试编写一个函数来迭代（或使用purrr::map()）因子的每个级别，并lm()为因子等于该级别的数据子集拟合模型。

要使用 制作一个简单的可重现示例mtcars，只需说我想要lm为 的每个值使用不同的模型mtcars$gear。我将从使它成为一个因素开始，因为我真正的问题涉及通过一个因素进行迭代：

library(tidyverse)

mtcars <- mtcars %>% 
  mutate(factor_gear = factor(gear))

我希望该功能适合factor_gear. 级别由下式给出：

levels(mtcars$factor_gear)

IE

  [1] "3" "4" "5"

所以我要寻找的输出是：

fit1 <- lm(mpg ~ cyl, data = mtcars %>% filter(factor_gear=="3"))
fit2 <- lm(mpg ~ cyl, data = mtcars %>% filter(factor_gear=="4"))
fit3 <- lm(mpg ~ cyl, data = mtcars %>% filter(factor_gear=="5"))

fits <- list(fit1, fit2, fit3)

我已经开始使用该功能，但无法使其正常工作。

我认为一个函数应该：

  1. 将因子的每个级别都放入向量中
  2. 为每个级别运行一个 lm 模型。
fit_each_level <- function(factor_variable) {

  # trying to: 1. get every level of of the factor into a vector
  factor_levels <- levels(df_cars$factor_variable)

  # trying to: 2. run an lm model for each level.
  for i in factor_levels {
    fit <- mtcars %>% filter(factor_variable==i [# every value of segment_levels]) %>% 
    lm(mpg ~ cyl, data = . )
  }

}

fit_each_level(factor_gear)

如果该功能运行良好，我最终可以在另一个因素上做到这一点，例如：

mtcars <- mtcars %>% 
  mutate(factor_carb = factor(carb))

fit_each_level(factor_carb)

标签： rtidyversepurrr

解决方案

您可以nest将数据框和用于map申请lm每个factor_gear.

library(dplyr)

mtcars %>%
  group_by(factor_gear) %>%
  tidyr::nest() %>%
  mutate(model = map(data, ~lm(mpg ~ cyl, data = .x)))

#  factor_gear data               model 
#  <fct>       <list>             <list>
#1 4           <tibble [12 × 11]> <lm>  
#2 3           <tibble [15 × 11]> <lm>  
#3 5           <tibble [5 × 11]>  <lm>

在新版本dplyr中，您可以使用cur_data来引用组中的当前数据，从而避免使用nest和map。

mtcars %>%
  group_by(factor_gear) %>%
  summarise(model = list(lm(mpg ~ cyl, data = cur_data())))

推荐阅读