我正在尝试对数据框列表应用线性回归，并针对特定值进行过滤。
例如，有一个 Iris 数据框列表，我尝试对 Sepal.Length ~ Sepal.Width 运行回归，每个物种运行不同的回归。
test <- dlply(iris, "Species", function(x) lm(Sepal.Length ~ Sepal.Width, data = x))
但我想同时为数据帧列表执行此操作，而不是单独执行此操作。所以，假设我有一个包含多个 iris 数据框的列表：
iris1 <- iris
iris2 <- iris
iris3 <- iris
iris_list <- list(iris1, iris2, iris3)
所以，要将 dlply 代码运行到 iris_list，我迷路了。
【问题讨论】：
lapply？
使用lapply，
res = lapply(iris_list, function(x){
test <- dlply(x, "Species", function(x) lm(Sepal.Length ~ Sepal.Width, data = x))
return(test)
})
【讨论】：
咕噜声
如果您想跨数据框列表应用回归，请尝试使用 purrr::map：
library(purrr)
map(iris_list, ~ lm(Sepal.Length ~ Sepal.Width, data = .x))
如果你想根据一个因素将一个数据框拆分成一个列表，你可以首先使用 base R 中的split：
imap(split(iris, ~ Species), ~ lm(Sepal.Length ~ Sepal.Width, data = .x))
注意：imap 在这种情况下用于保留列表名称，在这种情况下是Species 的级别。
基础R
如果您只想使用基本 R 和 lapply，那么这将起作用：
lapply(split(iris, ~ Species), function(x) lm(Sepal.Length ~ Sepal.Width, data = x))
如果你有一个嵌套列表，那么你需要嵌套你的映射：
library(purrr)
map(iris_list, ~ imap(split(.x, ~ Species), ~ lm(Sepal.Length ~ Sepal.Width, data = .x)))
在基础 R 中再次：
lapply(iris_list, function(x) lapply(split(x, ~ Species), function(y) lm(Sepal.Length ~ Sepal.Width, data = y)))
【讨论】：
map、imap 和 lapply 迭代 列表元素，因此您不必多次运行该命令。