我无法直接在相关页面上发表评论，但基本上我正在尝试从中获取代码 Combining dplyr::do() with dplyr::mutate? 上班。
dat <- mtcars
dat %>%
group_by(gear) %>%
mutate(res = residuals(lm(deparse(substitute(mpg ~ disp)))))
运行上面的代码，我得到：
eval 中的错误（替代（expr）、envir、enclos）：找不到对象“mpg”
我错过了什么吗？
【问题讨论】：
modelr::add_residuals() 应该做你想做的事：
require(tidyverse)
require(modelr)
models <- mtcars %>%
group_by(gear) %>%
nest() %>%
mutate(model = map(data, ~lm(mpg ~ disp, data = .)),
residuals = map2(data, model, add_residuals))
models %>% unnest(residuals)
# A tibble: 32 × 12
gear mpg cyl disp hp drat wt qsec vs am carb
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4
2 4 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4
3 4 22.8 4 108.0 93 3.85 2.320 18.61 1 1 1
4 4 24.4 4 146.7 62 3.69 3.190 20.00 1 0 2
5 4 22.8 4 140.8 95 3.92 3.150 22.90 1 0 2
6 4 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4
7 4 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4
8 4 32.4 4 78.7 66 4.08 2.200 19.47 1 1 1
9 4 30.4 4 75.7 52 4.93 1.615 18.52 1 1 2
10 4 33.9 4 71.1 65 4.22 1.835 19.90 1 1 1
# ... with 22 more rows, and 1 more variables: resid <dbl>
查看modelr的文档；我觉得很方便。
【讨论】：
这里有很多选项，包括modelr::add_residuals（请参阅@LmW 的答案）、broom::augment 和普通的旧residuals。如果您正在使用分组模型，则在列表列中嵌套模型很方便，并且自然会导致迭代模型列表以计算残差等。
residualsPlain old base R 可以与一些 purrr 巧妙地配合使用（如果您愿意，请使用 lapply）：
library(tidyverse)
mtcars %>%
rownames_to_column('car') %>%
nest(-gear) %>%
mutate(model = map(data, ~lm(mpg ~ disp, data = .x)),
resid = map(model, residuals)) %>%
unnest(data, resid)
#> # A tibble: 32 × 13
#> gear resid car mpg cyl disp hp drat wt
#> <dbl> <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 4 0.98649891 Mazda RX4 21.0 6 160.0 110 3.90 2.620
#> 2 4 0.98649891 Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875
#> 3 4 -3.56856040 Datsun 710 22.8 4 108.0 93 3.85 2.320
#> 4 4 2.76107028 Merc 240D 24.4 4 146.7 62 3.69 3.190
#> 5 4 0.44001547 Merc 230 22.8 4 140.8 95 3.92 3.150
#> 6 4 0.11531527 Merc 280 19.2 6 167.6 123 3.92 3.440
#> 7 4 -1.28468473 Merc 280C 17.8 6 167.6 123 3.92 3.440
#> 8 4 2.45060811 Fiat 128 32.4 4 78.7 66 4.08 2.200
#> 9 4 0.08397007 Honda Civic 30.4 4 75.7 52 4.93 1.615
#> 10 4 3.02179175 Toyota Corolla 33.9 4 71.1 65 4.22 1.835
#> # ... with 22 more rows, and 4 more variables: qsec <dbl>, vs <dbl>,
#> # am <dbl>, carb <dbl>
您可以将lm 调用直接包装在residuals 中：
mtcars %>%
rownames_to_column('car') %>%
group_by(gear) %>%
mutate(resid = residuals(lm(mpg ~ disp)))
获得相同的结果，但这种方法是不可取的，除非您确定不打算对模型做任何其他事情。 （显然，取消嵌套也会丢失模型，但您可以控制是否这样做以及何时这样做，以及是否通过提前断开链来保存副本。）
broom::augmentaugment 添加了很多有用的变量，包括残差，可以类似地使用：
mtcars %>%
rownames_to_column('car') %>%
nest(-gear) %>%
mutate(model = map(data, ~lm(mpg ~ disp, data = .x)),
model_data = map(model, broom::augment)) %>%
unnest(model_data)
#> # A tibble: 32 × 10
#> gear mpg disp .fitted .se.fit .resid .hat .sigma
#> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 4 21.0 160.0 20.01350 0.9758770 0.98649891 0.16546553 2.503083
#> 2 4 21.0 160.0 20.01350 0.9758770 0.98649891 0.16546553 2.503083
#> 3 4 22.8 108.0 26.36856 0.7466989 -3.56856040 0.09687426 2.197330
#> 4 4 24.4 146.7 21.63893 0.8206560 2.76107028 0.11701449 2.331455
#> 5 4 22.8 140.8 22.35998 0.7674126 0.44001547 0.10232345 2.524090
#> 6 4 19.2 167.6 19.08468 1.0800836 0.11531527 0.20268993 2.528466
#> 7 4 17.8 167.6 19.08468 1.0800836 -1.28468473 0.20268993 2.482941
#> 8 4 32.4 78.7 29.94939 1.0762841 2.45060811 0.20126638 2.357875
#> 9 4 30.4 75.7 30.31603 1.1195513 0.08397007 0.21777368 2.528634
#> 10 4 33.9 71.1 30.87821 1.1879209 3.02179175 0.24518417 2.247410
#> # ... with 22 more rows, and 2 more variables: .cooksd <dbl>,
#> # .std.resid <dbl>
如果您想保存原始数据中未使用的变量，请将model_data 更改为model_data = map2(model, data, broom::augment))，将augment 传递给data 参数，而不是让它默认为模型使用的数据。
【讨论】：