预测数据帧中的行数不等于馈送到预测函数的新数据帧中的行数答案

【问题标题】：Number of rows in predicted data frame does not equal number of rows in new data frame fed to predict function预测数据帧中的行数不等于馈送到预测函数的新数据帧中的行数
【发布时间】：2020-07-22 08:15:34
【问题描述】：

我有一个基于因子向量拆分的数据框。我正在尝试为每个数据集创建一个模型，然后从中创建一组预测值。

我试图将预测值跨越大量值（例如length.out = 500），但是当我向predict 函数提供一个包含 500 行的新数据集时，它仍然会输出预测数据与输入模型的原始数据帧长度相同的帧。

data(mtcars)
rownames(mtcars) <- NULL #I've ran this code with and without this line, both times it gave the same result

mtcars.split <- split(mtcars, mtcars$cyl)

mtcars.split <- lapply(mtcars.split, function(x){
  rownames(x) <- NULL
  x <- droplevels(x)
  return(x)
})

mtcars.lm <- lapply(mtcars.split, function(x){
  lm(disp ~ wt, data = x)
})

mtcars.fitted <- mapply(x = mtcars.lm, y = mtcars.split, function(x, y){
  newdata = data.frame(wt = seq(min(y$wt), max(y$wt), length.out = 500))
  fitted <- as.data.frame(predict(x, new.data = newdata, se = T))
  return(fitted)
}, SIMPLIFY = F)

lapply(mtcars.fitted, nrow)
lapply(mtcars.split, nrow)

我尝试为整个数据集运行线性模型，它做了同样的事情。

mtcars.lm.all <- lm(disp ~ wt, data = mtcars)
newdata <- data.frame(wt = seq(min(mtcars$wt), max(mtcars$wt), length.out = 500))
nrow(as.data.frame(predict(mtcars.lm.all, new.data = newdata, se = T)))

即使尝试对数据集进行子集化也没有任何区别。

mtcars.head <- head(mtcars, n = 16)
mtcars.head.lm <- lm(disp ~ wt, data = mtcars.head)
predict.mtcars <- as.data.frame(predict(mtcars.head.lm, 
                                        new.data = data.frame(wt = seq(min(mtcars.head$wt), 
                                                                       max(mtcars.head$wt), 
                                                                       length.out = 500)),
                                        se = T))
nrow(predict.mtcars)

我在这里遗漏了什么吗？这曾经有效，但现在似乎不起作用。即使重新启动 R 会话或我的计算机似乎也无法正常工作。

【问题讨论】：

标签： r predict

【解决方案1】：

predict 函数中的参数不是new.data 而是newdata。

附上想要的结果。

data(mtcars)
rownames(mtcars) <- NULL #I've ran this code with and without this line, both times it gave the same result

mtcars.split <- split(mtcars, mtcars$cyl)

mtcars.split <- lapply(mtcars.split, function(x){
  rownames(x) <- NULL
  x <- droplevels(x)
  return(x)
})

mtcars.lm <- lapply(mtcars.split, function(x){
  lm(disp ~ wt, data = x)
})

mtcars.fitted <- mapply(x = mtcars.lm, y = mtcars.split, function(x, y){
  newdata = data.frame(wt = seq(min(y$wt), max(y$wt), length.out = 500))
  fitted <- as.data.frame(predict(x, newdata = newdata, se = T))
  return(fitted)
}, SIMPLIFY = F)

lapply(mtcars.fitted, nrow)
#> $`4`
#> [1] 500
#> 
#> $`6`
#> [1] 500
#> 
#> $`8`
#> [1] 500
lapply(mtcars.split, nrow)
#> $`4`
#> [1] 11
#> 
#> $`6`
#> [1] 7
#> 
#> $`8`
#> [1] 14


mtcars.lm.all <- lm(disp ~ wt, data = mtcars)
newdata <- data.frame(wt = seq(min(mtcars$wt), max(mtcars$wt), length.out = 500))
nrow(as.data.frame(predict(mtcars.lm.all, newdata = newdata, se = T)))
#> [1] 500

^{由reprex package (v0.3.0) 于 2020 年 7 月 22 日创建}

【讨论】：