如何在R中每次循环使用不同变量的命令集？答案

【问题标题】：How to loop set of commands with different variable each time in R?如何在R中每次循环使用不同变量的命令集？
【发布时间】：2015-08-18 10:35:08
【问题描述】：

我对 R 编码很陌生，因此我真的需要您的帮助才能在 R 中运行循环命令。

我有一个大表（“variable_table.txt”），列如下：

sample  BMI  var1_LRR   var1_BAF    var2_LRR    var2_BAF    var3_LRR var3_BAF ........ var200_LRR var200_BAF

AA     18.9    0.27       0.99        0.18        0.99        0.11         1  ........   0.20        0.99

BB     27.1    0.23       1           0.13        0.99        0.17         1  ........   0.23        0.99

我想运行如下回归命令：

dataset<- read.table ("variable_table.txt", na.strings="NA", header=TRUE)

linear_var1 <- lm (BMI ~ var1_LRR + var1_BAF,data=dataset)

summary(linear_var1)

confint_var1_CI <- confint(linear _var1, level=0.95)

confint_var_CI

问题 1：有人可以帮助我如何执行上述命令，并使用下一个变量（从 var1 到 var2，然后到 var3，直到 var200）再次重复它们，而无需单独运行它。

问题 2：如何将每个运行结果编译成一个编译表？

【问题讨论】：

标签： r regression

【解决方案1】：

最简单的方法是对您的 data.frame 进行子集化，例如

mydata <- data.frame(y = runif(100),
                     foo1 = runif(100), bar1 = runif(100),
                     foo2 = runif(100), bar2 = runif(100))

out <- list()

for (i in 1:2)
  out[[i]] <- lm(y ~., data = mydata[, c("y", paste(c("foo", "bar"), i, sep=""))])

关于将输出保存到表中，首先您必须决定要保存输出的哪一部分（例如系数）

mytab <- matrix(NA, 2, 3)
for (i in 1:2)
  mytab[i, ] <- out[[i]]$coefficients

您还可以使用broom 库从lm 对象中提取“整洁”的输出。

library(broom)
tidy(out[[1]])
##          term   estimate  std.error statistic           p.value
## 1 (Intercept)  0.5060922 0.07619095  6.642419 0.000000001794162
## 2        foo1 -0.1567166 0.10023700 -1.563461 0.121201059993118
## 3        bar1  0.1578192 0.10404012  1.516907 0.132542574934363

接下来，您可以使用 rbind 组合这些输出。

【讨论】：

【解决方案2】：

你可以试试这样的：

for ( i in 1:200 ) {

  # build the formula
  form<-as.formula(paste("BMI ~ **var", i, "**_LRR + **var", i, "**_BAF", sep=""))

  # make a character string with the lm-instruction, using the formula above
  code.lm<-paste("lm.V", i, "<-lm(form, data=dataset)", sep="")
  # dynamically execute the code in that string
  eval(parse(text=code.lm))

  # create a string xith the summary code
  code.summ<-paste("summary(lm.V", i, ")", sep="")
  # dynamically execute the string
  eval(parse(text=code.summ))

}

我按照'summary'指令完成了它，但其余部分类似：您将代码“粘贴”到字符串中，然后使用“eval(parse(text=))”执行它。

在此之后，您可以访问变量 'lm.V1', ... 'lm.V200'

【讨论】：

【解决方案3】：

如果您先重新排列数据框，您会更轻松地处理它：

library(tidyr)
# gather all columns into a single column
tidied <- gather(dataset, var, value, -sample, -BMI)

# separate the "var" column into varnum (var1, var2...) and variable
tidied <- separate(tidied, var, c("var1", "variable"))

# now spread the two variables (BAF and LRR) back across columns
tidied <- spread(tidied, variable, value)

您最终会得到一个包含五列的表 x：sample、BMI、var（即 var1、var2 等）、LRR 和 @ 987654329@。它的行数将是当前表的 200 倍。请注意，使用%>% 运算符，您可以按照以下方式执行上述步骤：

library(dplyr)
tidied <- dataset %>%
  gather(var, value, -sample, -BMI) %>%
  separate(var, c("var", "variable")) %>%
  spread(variable, value)

完成重新排列后，您可以使用 dplyr 的 group_by 和 do 以及扫帚在每个 var 中轻松执行线性回归：

library(broom)
coefs <- tidied %>%
  group_by(var) %>%
  do(tidy(lm(BMI ~ BAF + LRR, data = .), conf.int = TRUE))

例如，如果您的数据集是：

set.seed(1)
dataset <- data.frame(sample = 1:100, BMI = rnorm(100),
                      var1_LRR = rnorm(100), var1_BAF = runif(100),
                      var2_LRR = rnorm(100), var2_BAF = runif(100),
                      var3_LRR = rnorm(100), var3_BAF = runif(100))

上述代码的结果是：

Source: local data frame [9 x 8]
Groups: var

   var        term      estimate  std.error    statistic   p.value    conf.low conf.high
1 var1 (Intercept)  0.1298513867 0.17715588  0.732978145 0.4653394 -0.22175399 0.4814568
2 var1         BAF -0.0415096698 0.30068830 -0.138048836 0.8904880 -0.63829271 0.5552734
3 var1         LRR  0.0001270982 0.09550805  0.001330759 0.9989409 -0.18942994 0.1896841
4 var2 (Intercept)  0.1064316834 0.18173583  0.585639517 0.5594779 -0.25426363 0.4671270
5 var2         BAF  0.0144181386 0.31656921  0.045544981 0.9637666 -0.61388410 0.6427204
6 var2         LRR -0.0470190629 0.09340229 -0.503403723 0.6158217 -0.23239676 0.1383586
7 var3 (Intercept)  0.0616288934 0.17865709  0.344956329 0.7308741 -0.29295597 0.4162138
8 var3         BAF  0.1045320710 0.31246736  0.334537572 0.7386962 -0.51562914 0.7246933
9 var3         LRR  0.1118595808 0.07714709  1.449952134 0.1502976 -0.04125603 0.2649752

【讨论】：