我正在预测时间序列数据（使用行名称），并希望将一些准确度度量组合到单个数据帧中，同时区分方法。举个例子：
library(fpp2)
beer.train <- window(beer, end = c(1994, 12))
beer.test <- window(beer, start = 1995)
AccMean <- accuracy(meanf(beer.train, h = 8), beer.test)
AccRW <- accuracy(rwf(beer.train, h = 8), beer.test)
rbind(AccMean, AccRW)
# ME RMSE MAE MPE MAPE MASE ACF1 Theil's U
# Training set -9.474373e-15 19.82001 15.97396 -1.6202496 10.42125 1.726914 0.4628439 NA
# Test set -1.289583e+01 17.57100 13.57292 -10.1596449 10.60310 1.467342 -0.4904015 0.7998411
# Training set 3.829787e-01 20.18004 15.14894 -0.6398801 10.05885 1.637723 -0.1547700 NA
# Test set -4.375000e+01 45.34865 43.75000 -32.6470928 32.64709 4.729730 -0.4904015 2.0312792
但是，我希望看到输出：
# Method Set ME RMSE MAE MPE MAPE MASE ACF1 Theil's U
# Mean Train -9.474373e-15 19.82001 15.97396 -1.6202496 10.42125 1.726914 0.4628439 NA
# Mean Test -1.289583e+01 17.57100 13.57292 -10.1596449 10.60310 1.467342 -0.4904015 0.7998411
# RW Train 3.829787e-01 20.18004 15.14894 -0.6398801 10.05885 1.637723 -0.1547700 NA
# RW Test -4.375000e+01 45.34865 43.75000 -32.6470928 32.64709 4.729730 -0.4904015 2.0312792
一种方法是执行以下操作：
AccMean <- AccMean %>% as.data.frame() %>% mutate(Method = "Mean", Set = c("Train", "Test")) %>% select(Method, Set, everything())
AccRW <- AccRW %>% as.data.frame() %>% mutate(Method = "RW", Set = c("Train", "Test")) %>% select(Method, Set, everything())
rbind(AccRW, AccMean)
# Method Set ME RMSE MAE MPE MAPE MASE ACF1 Theil's U
# 1 Mean Train -9.474373e-15 19.82001 15.97396 -1.6202496 10.42125 1.726914 0.4628439 NA
# 2 Mean Test -1.289583e+01 17.57100 13.57292 -10.1596449 10.60310 1.467342 -0.4904015 0.7998411
# 3 RW Train 3.829787e-01 20.18004 15.14894 -0.6398801 10.05885 1.637723 -0.1547700 NA
# 4 RW Test -4.375000e+01 45.34865 43.75000 -32.6470928 32.64709 4.729730 -0.4904015 2.0312792
但是我想将此概括为n方法，对于大型n，上述内容将非常繁琐。我想使用gather()会有所帮助，但我似乎无法使用row.names。
请注意this related question不回答我的。
答案 0 :(得分：1)
使用purrr的{{1}}函数可以轻松完成此操作。
第一个技巧是预先定义所有测试方法函数并标记它们：
imap然后，我们让# define and label test methods
test_methods <- list(
Mean = meanf,
RW = rwf
)
做有趣的事情 - 将每个函数应用于数据，重新格式化，标记并将它们绑定在一起
imap_dfr我们使用library(purrr)
result_df <- imap_dfr(test_methods, function(f, .method) {
tmp <- accuracy(f(beer.train, h = 8), beer.test)
tmp %>%
as.data.frame() %>%
mutate(
Set = str_extract(rownames(tmp), "Train|Test"),
Method = .method
) %>%
select(Method, Set, everything())
})
因为它会自动将函数中的第二个变量（此处为imap）设置为列表中的名称（例如.method中的名称）。这正是这里所需要的。
要为函数调用添加参数，我们需要将该信息合并到测试方法中。例如：
test_methods点符号是必需的，因为test_methods <- list(
Mean = meanf,
RW = rwf,
RWdrift = function(x, ...) rwf(x, drift = TRUE, ...)
)
被硬编码到函数调用中。如果h=8也有所不同，您需要将其从h内的通话中删除，并在所有imap_dfr条目中指定：
test_methods