Question

我有一个由x个区域和通道唯一组合组成的数据框。我需要使用某种循环为每个x组合创建一个独特的回归模型。

region  channel         date         trials    spend    
EMEA    display       2015-01-01       62     17875.27   
APAC    banner        2015-01-01       65     18140.93

的影响

i=1
j=1
for r in region{
   for ch in channel{
       df1 = df[df$region == r & df$channel == ch, ]
       model[[i,j]] = lm(trials ~ spend, data = df1)
                      j = j+1}
                i = i+1 }

如果有人也知道存储区域+频道等唯一标识符的方法，以帮助识别非常有用的回归模型。

Answer 1

plyr解决方案：

set.seed(1)
d <- data.frame(region = letters[1:2],
                channel = LETTERS[3:6],
                trials = runif(20),
                spend = runif(20))

列出结果列表（即按区域和渠道拆分d，在每个具有指定公式的块上运行lm，将结果作为列表返回）

library(plyr)
res <- dlply(d,c("region","channel"), lm,
             formula=trials~spend)

将系数提取为数据框：

ldply(res,coef)
##   region channel (Intercept)      spend
## 1      a       C   0.3359747  0.2444105
## 2      a       E   0.7767959 -0.3745419
## 3      b       D   0.7409942 -0.8084751
## 4      b       F   1.0797439 -1.0872158

请注意，结果中包含您想要的区域/频道标识符......

Answer 2

将split数据用于2列组合作为列表，然后在循环中运行lm - lapply为每个数据子集运行，请参阅此示例：

# dummy data
set.seed(1)
d <- data.frame(region = letters[1:2],
                channel = LETTERS[3:6],
                trials = runif(20),
                spend = runif(20))

# split by 2 column combo
dSplit <- split(d, paste(d$region, d$channel, sep = "_"))

# run lm for each subset
res <- lapply(dSplit, lm, formula = trials ~ spend)

# check names
names(res)
# [1] "a_C" "a_E" "b_D" "b_F"

# lm result for selected combo "a_C"
res$a_C
# Call:
#   lm(formula = trials ~ spend, data = i)
# 
# Coefficients:
#   (Intercept)        spend  
# 0.3360       0.2444

循环创建回归模型

2 个答案: