Question

我想在mtcars数据集中完成相当于将gpm（加仑每英里= 1 / mpg）的模型拟合到wt。这似乎很容易：

data(mtcars)
library(dplyr)
library(tidyr)
library(broom)
library(ggplot2)
library(scales)

mtcars2 <-
    mtcars %>%
    mutate(gpm = 1 / mpg) %>%
    group_by(cyl, am)

lm1 <-
    mtcars2 %>%
    do(fit = lm(gpm ~ wt, data = .))

按照预期，这会得到一个包含6行的行数据框。

此图表确认有六组：

p1 <-
    qplot(wt, gpm, data = mtcars2) +
    facet_grid(cyl ~ am) +
    stat_smooth(method='lm',se=FALSE, fullrange = TRUE) +
    scale_x_continuous(limits = c(0,NA))

我可以使用augment（）来获得拟合的输出：

lm1 %>% augment(fit)

这给了我32行，mtcars2中每行一行，如预期的那样。

现在面临的挑战：我想使用newdata获得适合的输出，其中我将wt增加了cyl / 4：

newdata <-
    mtcars2 %>%
    mutate(
        wt = wt + cyl/4)

我希望这会产生一个与lm1％＆gt;％augment（fit）相同大小的数据框：newdata中每行一行，因为扫帚会通过分组变量cyl和am匹配模型和newdata

不幸的是，

pred1 <-
    lm1 %>%
    augment(
        fit,
        newdata = newdata)

给了我一个192行（= 6 x 32）的数据框，显然每个模型都符合newdata的每一行。

从其他地方读取，我认为group_by和rowwise数据帧不兼容，因此lm1未分组，而augment无法关联模型和newdata。还有其他设计模式可以让我这样做吗？如果它像上面的尝试一样简单和透明会很好，但更重要的是它的工作原理。

这是我的sessionInfo（）：

> sessionInfo()
R version 3.3.1 (2016-06-21)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1

locale:
[1] LC_COLLATE=English_United States.1252 
[2] LC_CTYPE=English_United States.1252   
[3] LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                          
[5] LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] scales_0.4.0  ggplot2_2.1.0 broom_0.4.1   tidyr_0.6.0   dplyr_0.5.0  

loaded via a namespace (and not attached):
 [1] Rcpp_0.12.7      magrittr_1.5     mnormt_1.5-4     munsell_0.4.3   
 [5] colorspace_1.2-6 lattice_0.20-34  R6_2.1.3         stringr_1.1.0   
 [9] plyr_1.8.4       tools_3.3.1      parallel_3.3.1   grid_3.3.1      
[13] nlme_3.1-128     gtable_0.2.0     psych_1.6.9      DBI_0.5-1       
[17] lazyeval_0.2.0   assertthat_0.1   tibble_1.2       reshape2_1.4.1  
[21] labeling_0.3     stringi_1.1.1    compiler_3.3.1   foreign_0.8-67

编辑：

@aosmith：我一直在探索你的第二个选择，我喜欢它。但是，当我在我的真实数据上尝试时，我在mutate命令中遇到了一个问题：它返回“错误：扩充不知道如何处理类列表的数据”。

我的真实代码更像是：

newdata %>% 
dplyr::select(cyl, am, wt) %>% # wt holds new predictor values
group_by(cyl, am) %>%
nest() %>%
inner_join(regressions, .) %>% 
## looks like yours at this point
mutate(pred = list(augment(fit, newdata = data))) %>% # Error here
unnest(pred)

我说它看起来像你的，我的意思是我有以下列（这里为了一致性而重命名）：ID（chr），attr1（dbl），cyl（dbl），am（chr），fit（list），和数据（列表）。你有cyl，am（dbl），fit和data。我把我改为dbl，但这没有帮助。

我认为不同之处在于我在这个样本中有3个（ID ...类似于mtcars中的rownames）x 2（cyl）x 2（am）单位（每个样本有12个测量值），而mtcars示例具有3（cyl）x 2（am）单元x每个单元的随机车型数。在我的分析中，我需要查看ID值，但newdata同样适用于所有单位。如果有帮助，可以将其视为测试中每辆车的逆风速度。这是否表明增加投诉的原因是它无法处理班级列表的数据？

编辑：将ID与新数据合并（使用full = TRUE）解决了最后一个问题。我目前正在使用你提出的第一个解决方案。

Answer 1

我已经使用包 purrr 中的map2来处理这种情况。 map2同时循环遍历两个列表的元素。列表必须具有相同的长度并且顺序相同。

列表的元素用作要应用的某个函数的参数（在您的情况下为augment）。在这里，您的两个列表将是模型列表和数据集列表（每个cyl / am组合的列表）。

使用map2_df将结果作为data.frame而不是列表返回。

library(purrr)

我使用split制作了要预测的data.frames列表。要分割的因子的顺序决定了列表顺序，因此我确保它与lm1的顺序相同。

test_split = split(newdata, list(newdata$am, newdata$cyl)

map2_df(lm1$fit, test_split, ~augment(.x, newdata = .y))

为避免对订单造成太多担忧，您可以按组nest预测数据，将其加入lm1，并将augment的结果作为排除列表返回。< / p>

newdata %>%
    group_by(cyl, am) %>%
    nest() %>%
    inner_join(lm1, .) %>%
    mutate(pred = list(augment(fit, newdata = data))) %>%
    unnest(pred)

如何使用broom和dplyr将分组数据应用于分组模型？

1 个答案: