如何使用 lm、do、broom 和 dplyr 按组计算回归？

Question

考虑这个简单的例子

> dataframe <- data_frame(id = c(1,2,3,4,5,6),
+                         group = c(1,1,1,2,2,2),
+                         value = c(200,400,120,300,100,100))
> dataframe
# A tibble: 6 x 3
     id group value
  <dbl> <dbl> <dbl>
1     1     1   200
2     2     1   400
3     3     1   120
4     4     2   300
5     5     2   100
6     6     2   100

在这里，我想在常数上使用回归 value，按 group 组。我有get_mean() 函数

get_mean <- function(data, myvar){
  col_name <- as.character(substitute(myvar))
  fmla <- as.formula(paste(col_name, "~ 1"))
  tidy(lm(data = data,fmla)) %>% pull(estimate)
}

天真的方法：

dataframe %>% group_by(group) %>% mutate(bug = get_mean(., value),
                                         Ineedthis = max(value))

# A tibble: 6 x 5
# Groups:   group [2]
     id group value      bug Ineedthis
  <dbl> <dbl> <dbl>    <dbl>     <dbl>
1     1     1   200 203.3333       400
2     2     1   400 203.3333       400
3     3     1   120 203.3333       400
4     4     2   300 203.3333       300
5     5     2   100 203.3333       300
6     6     2   100 203.3333       300

失败，因为您可以看到平均值不是按组计算的。

众所周知，使用do 会起作用。

dataframe %>% group_by(group) %>% do(bug = get_mean(., value))
Source: local data frame [2 x 2]
Groups: <by row>

# A tibble: 2 x 2
  group       bug
* <dbl>    <list>
1     1 <dbl [1]>
2     2 <dbl [1]>

但是，我不知道如何使用do 来获取另一个Ineedthis 变量，并且我不知道如何取消列出bug 变量。我希望我的输出是：

# A tibble: 6 x 5
     id group value good         Ineedthis
  <dbl> <dbl> <dbl>    <dbl>     <dbl>
1     1     1   200 240            400
2     2     1   400 240            400
3     3     1   120 240            400
4     4     2   300 166.6666       300
5     5     2   100 166.6666       300
6     6     2   100 166.6666       300

有什么想法吗？谢谢！！

Answer 1

这是一个很酷的解决方案，可以重现预期的输出。不确定它是更好的解决方案，但仍然值得与我的编码爱好者分享:)

get_output <- function(dataframe){
temp <- dataframe %>% 
  group_by(group) %>% 
  do({mymean =  get_mean(., value);
      myother = max(.$value);
      dplyr::data_frame(mean = mymean,
                        other = myother)})
dataframe %>% left_join(temp)
  }


     > get_output(dataframe)
Joining, by = "group"
# A tibble: 6 x 5
     id group value     mean other
  <dbl> <dbl> <dbl>    <dbl> <dbl>
1     1     1   200 240.0000   400
2     2     1   400 240.0000   400
3     3     1   120 240.0000   400
4     4     2   300 166.6667   300
5     5     2   100 166.6667   300
6     6     2   100 166.6667   300

Answer 2

我对您的 get_mean 函数进行了一些更改，但它在功能上是相同的。见：

get_mean <- function(., myvar){
  dat <- substitute(myvar) %>% data.frame(.) %>% setNames('vec')
  out <- lm(data = dat,'vec ~ 1')$coefficients[1] %>% unname(.)
  return(out)
}

允许我们这样做：

dataframe %>%
  group_by(group) %>%
  summarise(good = get_mean(., value), Ineedthis= max(value)) %>%
  left_join(dataframe, ., by = 'group')

导致：

  id group value     good Ineedthis
1  1     1   200 240.0000       400
2  2     1   400 240.0000       400
3  3     1   120 240.0000       400
4  4     2   300 166.6667       300
5  5     2   100 166.6667       300
6  6     2   100 166.6667       300