如何在 for 循环或 s/lapply 中添加线性回归？答案

【问题标题】：How can I add a linear regression in a for loop or s/lapply?如何在 for 循环或 s/lapply 中添加线性回归？
【发布时间】：2016-03-22 03:12:48
【问题描述】：

我一直在尝试（几天来）“自动化”几个使用相同 x 轴数据（“甲烷”）但 y 轴变化（第 1、10、16 天等）的线性回归。从每个回归中，我想提取截距和斜率并将它们写在每个相应的列下（第 1 天到第 72 天）。我也不知道哪种方法更合适，for循环还是s/lapply。

示例（名为“raw_standards”的数据框）：

Methane 1        10       16       62       72 
224.62  1490700  1423400  2475400  2063300  1819650 
449.23  3297100  2878950  4980300  4078800  3701750 
842.32  4181900  5292200  10718500 8247400  7566600 
2246.18 9211500  12535000 25439000 19867500 16443000 
4492.36 29228000 27567000 49345000 39328000 30743000

我当前的for循环如下：

for (i in raw_standards[,2:6]) {
  y = raw_standards [,3:20]
  lm(y ~ raw_standards$'uM Methane', raw_standards)
}

我也试过 lapply：

lapply (raw_standards [ , 2:6],
  lm(raw_standards [ , 2:6] ~ raw_standards$'uM Methane',raw_standards))

非常感谢任何有助于了解如何正确编写正确代码的帮助。

【问题讨论】：

标签： r for-loop linear-regression lapply sapply

【解决方案1】：

我喜欢用管道做这些事情。来自 hadley 的三个包的绝妙组合就可以解决问题。

df <- data.frame(Methane = rnorm(30),Day1 = rnorm(30),Day2 = rnorm(30),Day3 = rnorm(30))

library(tidyr)
library(dplyr)
library(purrr)

df %>% gather(Variable,value,-Methane) %>% split(.$Variable) %>% 
      map(~ lm(value ~ Methane, data = .)) %>%
      map("coefficients")

第一步：gather函数将数据转换为长格式。

第二步：将数据帧的函数拆分为数据帧列表。

第三步：map在列表的所有元素上建立线性模型（同lapply）

如需进一步说明，请参阅这些包的包小插曲，这些包写得非常好。上面代码的输出是：

$Day1
(Intercept)     Methane 
 0.17664660 -0.07090221 

$Day2
(Intercept)     Methane 
 0.03615358  0.24230124 

$Day3
(Intercept)     Methane 
  0.1662604  -0.2836147

【讨论】：