在 R 回归中循环不同的变量和数据集答案

【问题标题】：Looping over different variables and datasets in R regression在 R 回归中循环不同的变量和数据集
【发布时间】：2020-12-09 21:01:15
【问题描述】：

我可以使用管道和循环使用不同的数据框运行相同的回归（见下文）：

 mtcars %>%
        split(.$cyl) %>%
        map(~ lm(mpg ~ wt, data = .x))

但是，如果我有兴趣查看相同回归但针对一系列不同因变量的结果 - 例如“mpg”、“hp”、“drat”。有没有使用循环的快速方法？

我尝试过使用嵌套的 lapply 循环、group_by 等。但是，我似乎找不到解决方案。

任何帮助都会很棒。

【问题讨论】：

因变量不同的相同回归是什么？
嗨@r.user.05apr，我的意思是我想保留回归中的所有内容，但更改因变量（即每次使用不同的因变量运行回归） .

标签： r loops regression

【解决方案1】：

听起来您希望遍历每个数据框的列名。实际上，您需要双重地图或双重lapply。这样的事情会起作用：

mtcars %>%
        split(.$cyl) %>%
        lapply(function(x)
        {
          lapply(paste("mpg ~", names(x)[-1]), function(y) {
            lm(formula = as.formula(y), data = x)
        })})

#> $`4`
#> $`4`[[1]]
#> 
#> Call:
#> lm(formula = as.formula(y), data = x)
#> 
#> Coefficients:
#> (Intercept)          cyl  
#>       26.66           NA  
#> 
#> 
#> $`4`[[2]]
#> 
#> Call:
#> lm(formula = as.formula(y), data = x)
#> 
#> Coefficients:
#> (Intercept)         disp  
#>     40.8720      -0.1351  

# ... etc (very long list)

【讨论】：

【解决方案2】：

整洁的循环可能是：

library(tidyverse)

mtcars %>%
  select(-mpg) %>%
  map(~lm(mtcars$mpg ~ .x), data = mtcars)

【讨论】：

【解决方案3】：

这可能看起来像：

library(dplyr)


label <- "mpg"
features <- setdiff(names(mtcars), label)
generate_formula <- function(feature) sprintf("%s ~ %s", label, feature) %>% as.formula

features %>% 
  map(~ lm(generate_formula(.x), data = mtcars))

输出：

[[1]]

Call:
lm(formula = generate_formula(.x), data = mtcars)

Coefficients:
(Intercept)          cyl  
     37.885       -2.876  


[[2]]

Call:
lm(formula = generate_formula(.x), data = mtcars)

Coefficients:
(Intercept)         disp  
   29.59985     -0.04122  


[[3]]

Call:
lm(formula = generate_formula(.x), data = mtcars)

Coefficients:
(Intercept)           hp  
   30.09886     -0.06823

【讨论】：

【解决方案4】：

我们可以使用nest_by

library(dplyr)
mtcars %>% 
   nest_by(cyl) %>% 
   mutate(model = list(lm(mpg~ ., data = data)))
# A tibble: 3 x 3
# Rowwise:  cyl
#    cyl                data model 
#  <dbl> <list<tbl_df[,10]>> <list>
#1     4           [11 × 10] <lm>  
#2     6            [7 × 10] <lm>  
#3     8           [14 × 10] <lm>

【讨论】：