Question

我遇到了一个问题，经过数小时的研究后我无法找到解决方案，所以也许你们中的一个可以帮助我解决这个问题：

我的数据框如下所示：

stations_id phase_id refyear day  
140 10 1992 260  
140 10 1993 263   
140 10 1995 260  
140 10 1995 257   
140 12 1993 286  
140 12 1994 289  
140 12 1997 290  
150 10 1992 260  
150 10 1993 270  
150 10 1994 274  
165 15 1992 310

数据框有大约600,000行，因此我拼命地尝试创建一个for循环，用＃34; refyear＆＃34;来计算回归线的斜率。作为自变量和＆＃34; day＆＃34;作为＆＃34; stations_id＆＃34;的每个组合的因变量。和＃34; phase_id＆＃34 ;;因此，分裂取决于两个变量。但是，我真的无法找到解决方案，如果有人可以帮助我，我真的很感激！

祝你好运

Answer 1

使用dplyr和broom，您可以按组对refyear与day进行建模，而无需求助于循环并返回包含模型系数的数据框。在下面的代码中，回归系数位于estimate列中。回归斜率位于term等于“day”的行中。

library(tidyverse)
library(broom)

models = dat %>% group_by(stations_id, phase_id) %>% 
  do(tidy(lm(refyear ~ day, data=.)))

  stations_id phase_id        term     estimate    std.error   statistic     p.value
        <int>    <int>       <chr>        <dbl>        <dbl>       <dbl>       <dbl>
1         140       10 (Intercept) 2080.4166667  94.44595383  22.0275891 0.002054594
2         140       10         day   -0.3333333   0.36324158  -0.9176629 0.455668946
3         140       12 (Intercept) 1750.6923077 153.66666453  11.3927917 0.055736327
4         140       12         day    0.8461538   0.53293871   1.5877132 0.357824750
5         150       10 (Intercept) 1956.9230769   8.92887743 219.1678734 0.002904693
6         150       10         day    0.1346154   0.03330867   4.0414519 0.154420958
7         165       15 (Intercept) 1992.0000000          NaN         NaN         NaN

Answer 2

这是一个tidyverse / purrr解决方案，我认为比for-loop版本更清晰。

library(tidyverse)
library(purrr)
d <- read_csv("stations_id, phase_id, refyear, day  
140, 10, 1992, 260  
140, 10, 1993, 263   
140, 10, 1995, 260  
140, 10, 1995, 257   
140, 12, 1993, 286  
140, 12, 1994, 289  
140, 12, 1997, 290  
150, 10, 1992, 260  
150, 10, 1993, 270  
150, 10, 1994, 274  
165, 15, 1992, 310")

nested <- d %>% 
  group_by(stations_id, phase_id) %>% 
  nest()  

nested <- nested %>% 
  mutate(mod = map(data, ~lm(day ~ refyear, data = .)))

map(nested$mod, coef)

[[1]]
 (Intercept)      refyear 
2032.2222222   -0.8888889 

[[2]]
  (Intercept)       refyear 
-1399.4615385     0.8461538 

[[3]]
(Intercept)     refyear 
     -13683           7 

[[4]]
(Intercept)     refyear 
        310          NA

Answer 3

您可以使用tidyverse来实现此目标。

首先按变量分组，然后tidyr::nest分组的数据。现在，您有一个列表列，其中包含每个分组变量组合的非分组变量的所有数据。

然后，您可以使用purrr::map中的dplyr::mutate来迭代列表col中每个单独的daraframe上拟合模型的新列表列。现在您有一个包含模型的附加列表。然后，您可以再次迭代这些，从每个模型中获取所需的系数。

最后，您可以选择斜率，并且每个组合变量的组合都有单行和模型的斜率。或者您可以unnest数据并将斜率添加为新列，该列重复分组变量的所有值。

有关这些工作流程的详细指南，请查看many models

中R for Data Science的章节

library(tidyverse)

nested <- mtcars %>% 
  select(cyl, mpg, wt) %>% 
  group_by(cyl) %>% 
  nest()

#> # A tibble: 3 x 2
#>     cyl              data
#>   <dbl>            <list>
#> 1     6  <tibble [7 x 2]>
#> 2     4 <tibble [11 x 2]>
#> 3     8 <tibble [14 x 2]>

models <- nested %>% 
  mutate(
    model = map(data, ~lm(mpg ~ wt, data = .x)),
    slope = map_dbl(model, c("coefficients", "wt"))
  )

#> # A tibble: 3 x 4
#>     cyl              data    model     slope
#>   <dbl>            <list>   <list>     <dbl>
#> 1     6  <tibble [7 x 2]> <S3: lm> -2.780106
#> 2     4 <tibble [11 x 2]> <S3: lm> -5.647025
#> 3     8 <tibble [14 x 2]> <S3: lm> -2.192438

models %>% select(cyl, slope)

#> # A tibble: 3 x 2
#>     cyl     slope
#>   <dbl>     <dbl>
#> 1     6 -2.780106
#> 2     4 -5.647025
#> 3     8 -2.192438

models %>% select(-model) %>% unnest()

#> # A tibble: 32 x 4
#>      cyl     slope   mpg    wt
#>    <dbl>     <dbl> <dbl> <dbl>
#>  1     6 -2.780106  21.0 2.620
#>  2     6 -2.780106  21.0 2.875
#>  3     6 -2.780106  21.4 3.215
#>  4     6 -2.780106  18.1 3.460
#>  5     6 -2.780106  19.2 3.440
#>  6     6 -2.780106  17.8 3.440
#>  7     6 -2.780106  19.7 2.770
#>  8     4 -5.647025  22.8 2.320
#>  9     4 -5.647025  24.4 3.190
#> 10     4 -5.647025  22.8 3.150
#> # ... with 22 more rows

如何编写一个分割数据集的循环，并在R中给出每个分割的趋势线的斜率

3 个答案: