Question

我有一个具有不同丰度的物种数据框，我想知道它们的丰度是否与某些参数有关。

我认为我应该能够做一些像

这样的事情

# Load in the dune data set and tidyverse
library(vegan)
data(dune)
data(dune.env)
library(tidyverse)

# Reshape the species matrix into long form data
duneM <- dune %>% rownames_to_column('Site') %>% gather(Species, Count, -Site)

# Join the species and environmental data
duneE <- dune.env %>% rownames_to_column('Site')
duneJ <- left_join(duneM, duneE, by = 'Site')

# Basic linear model, that compares species counts to moisture data
my_lm <- function(df){
    lm(Count ~ Moisture, data = df)
}

# Group the data by species and apply the function to each one
duneJ %>% group_by('Species') %>% map(my_lm)

令我惊讶的是，我收到以下错误消息。

eval中的错误（predvars，data，env）：类型的'envir'参数无效   'character'Trackback：


duneJ％＆gt;％group_by（“Species”）％＆gt;％map（my_lm）

withVisible（eval（quote（`_fseq`（`_lhs`）），env，env））

eval（quote（`_fseq`（`_lhs`）），env，env）

eval（quote（`_fseq`（`_lhs`）），env，env）

`_fseq`（`_lhs`）

freduce（value，`_ function_list`）

withVisible（function_list [K]）

function_list [K]

map（。，my_lm）

.f（.x [[i]]，...）

lm（Count~M含，data = df）＃在文件第2行

eval（mf，parent.frame（））

eval（mf，parent.frame（））

stats :: model.frame（formula = Count~M含，data = df，drop.unused.levels = TRUE）

model.frame.default（formula = Count~M含，data = df，drop.unused.levels = TRUE）

eval（predvars，data，env）

显然，我在这里遗漏了一些东西。有人可以澄清一下吗？感谢。

Answer 1

它帮助我查看了这篇文章http://omaymas.github.io/Climate_Change_ExpAnalysis/，以及此视频https://www.youtube.com/watch?v=rz3_FDVt9eg，了解如何最好地使用purrr和扫帚。正如G. Grothendeik指出的那样，我可以在数据框中添加一个带有模型的列（每个单元格都是完整的模型）。使用map函数执行此操作的方法是

 duneJ %>% group_by(Species) %>% nest %>% mutate(Mod = map(data, my_lm0)) -> test

此处，nest是一个关键函数，它使列成为数据框列表，每个数据框都包含有关每个物种的数据并将其保存到名为“data”的默认列中。我在mutate函数内部运行map以将模型保存到另一列，其中每个单元格都是新模型。

如果我想查看模型结果，我可以将它们组合成一个包含地图和扫帚的数据框列表，选择相关数据，然后unnest它们，如下所示：

 test %>% mutate(Glance = map(Mod, glance)) %>% select(Species, Glance) %>% unnest

这为我提供了一个新的数据框架，其中包含每个物种的模型结果，这是我最终的目标，即使我没有在问题中完全解释这一点。

R中带有线性模型的purrr：'character'类型的无效'envir'参数

1 个答案: