Question

我想将此自定义功能与aggregate一起使用：

#linear regression f-n
CalculateLinRegrDiff = function (sample){
  fit <- lm(value~ date, data = sample)
  diff(range(fit$fitted))
}

dataset2 = aggregate(value ~ id + col, dataset, CalculateLinRegrDiff(dataset))

我收到错误：

Error in get(as.character(FUN), mode = "function", envir = envir) : 
  object 'FUN' of mode 'function' was not found

怎么了？

Answer 1

首先，您使用aggregate的语法是错误的。将函数CalculateLinRegrDiff传递给CalculateLinRegrDiff(dataset)参数，而不是一个求值的FUN。

第二，您选择了错误的工具。 aggregate无法帮助您按组拟合回归。它根据RHS上的组合在~的LHS上分割向量，然后在LHS上应用FUN。也就是说，FUN应该是适用于原子向量而不是数据帧的函数。假设mean，sd，quantile等都是以原子向量为输入的函数。 CalculateLinRegrDiff需要输入数据框，并且无法与aggregate一起使用。

请注意，有时我们会在LHS上使用cbind，例如cbind(x, y) ~ f。这意味着我们将FUN与x ~ f和y ~ f并行应用。 LHS变量是独立的，不能一起使用。

最合适的工具是by函数。它将数据帧拆分为子数据帧，并在每个子帧上应用FUN。因此非常适合按组回归。

by(dataset[c("value", "date")], dataset[c("id", "col")], CalculateLinRegrDiff)

一个简单的可复制示例：

set.seed(0)
dataset <- data.frame(value = runif(20), date = runif(20),
                      f = sample(gl(2, 10)), g = sample(gl(4, 5)))
oo <- by(dataset[c("value", "date")], dataset[c("f", "g")], CalculateLinRegrDiff)
str(oo)
# by [1:2, 1:4] 0.307 0.251 0.109 0.201 0.472 ...
# - attr(*, "dimnames")=List of 2
#  ..$ f: chr [1:2] "1" "2"
#  ..$ g: chr [1:4] "1" "2" "3" "4"

由于CalculateLinRegrDiff是一个返回单个标量的标量函数，因此by会将结果oo简化为数组而不是列表。该数组就像一个列联表，因此我们可以使用as.data.frame的“表”方法将其重塑为数据框：

oo <- as.data.frame.table(oo)
#  f g      Freq
#1 1 1 0.3069877
#2 2 1 0.2508591
#3 1 2 0.1087895
#4 2 2 0.2007295
#5 1 3 0.4715680
#6 2 3 0.4942069
#7 1 4 0.3223174
#8 2 4 0.4687340

名称“ Freq”可能是不需要的，但您可以轻松更改它。说names(oo)[3] <- "foo"。

正如我在关于您的问题的评论中所说，我们也可以使用split和lapply。但是，没有简单的方法可以将结果转换为漂亮的数据框。

datlist <- split(dataset[c("value", "date")], dataset[c("f", "g")], drop = TRUE)
rr <- lapply(datlist, CalculateLinRegrDiff)
stack(rr)
#     values ind
#1 0.3069877 1.1
#2 0.2508591 2.1
#3 0.1087895 1.2
#4 0.2007295 2.2
#5 0.4715680 1.3
#6 0.4942069 2.3
#7 0.3223174 1.4
#8 0.4687340 2.4

我建议您阅读Linear Regression and group by in R，以获得有关按组回归的详尽演示。

无法使aggregate（）按组进行回归工作

1 个答案: