0

本着 purr、broom、modelr 的精神，我正在尝试创建一个“元”data.frame，其中每一行表示数据集 (d) 和模型参数（yvar、xvars、FEvars）。例如：

iris2 <- iris %>% mutate(Sepal.Length=Sepal.Length^2)
meta <- data.frame(n=1:4,
           yvar = c('Sepal.Length','Sepal.Length','Sepal.Length','Sepal.Length'),
           xvars= I(list(c('Sepal.Width'),
                         c('Sepal.Width','Petal.Length'),
                         c('Sepal.Width'),
                         c('Sepal.Width','Petal.Length'))),
           data= I(list(iris,iris,iris2,iris2)) )

现在，我想为“元”的每一列运行一个模型。然后使用模型输出对象添加列表列“模型”。为了运行模型，我使用了一个辅助函数，该函数使用数据集、y 变量和 x 变量的向量：

OLS_help <- function(d,y,xvars){
  paste(y, paste(xvars, collapse=" + "), sep=" ~ ") %>% as.formula %>% 
    lm(d)
}
y <- 'Sepal.Length'
xvars <- c('Sepal.Width','Petal.Length')
OLS_help(iris,y,xvars)

如何OLS_help对 meta 的所有行执行并将 OLS_help 的输出添加为列表列meta？我尝试了以下代码，但它不起作用：

meta %>% mutate(model = map2(d,yvar,xvars,OLS_help) )
Error: Can't convert a `AsIs` object to function
Call `rlang::last_error()` to see a backtrace

OBS：当只有“数据”（嵌套）列表列（在哈德利的书中被篡改）时的解决方案是：

by_country <- gapminder %>% group_by(country, continent) %>% nest()
country_model <- function(df) {  lm(lifeExp ~ year, data = df) }
by_country <- by_country %>% mutate(model = map(data, country_model))
4

1 回答 1

2

我们可以通过pmap以下方式使用

df <- meta %>%
    as_tibble() %>%
    mutate_if(is.factor, as.character) %>%
    mutate(fit = pmap(
        list(yvar, xvars, data),
        function(y, x, df) lm(reformulate(x, response = y), data = df)))
## A tibble: 4 x 5
#      n yvar         xvars     data               fit
#  <int> <chr>        <I<list>> <I<list>>          <list>
#1     1 Sepal.Length <chr [1]> <df[,5] [150 × 5]> <lm>
#2     2 Sepal.Length <chr [2]> <df[,5] [150 × 5]> <lm>
#3     3 Sepal.Length <chr [1]> <df[,5] [150 × 5]> <lm>
#4     4 Sepal.Length <chr [2]> <df[,5] [150 × 5]> <lm>

解释：pmap同时迭代多个参数（类似于基础 R's Map）；在这里，我们同时在 column和中循环 throw 条目yvar，然后使用来构造要在其中使用的公式。我们将fit 对象存储在 column 中。xvardatareformulatelmlmfit

于 2019-11-07T23:29:49.050 回答