如何使用扫帚和dplyr将分组数据应用于分组模型？

我想做一个等同于在mtcars数据集中拟合gpm（加仑每英里= 1/mpg）到wt的模型。这看起来很容易：如何使用扫帚和dplyr将分组数据应用于分组模型？

data(mtcars) 
library(dplyr) 
library(tidyr) 
library(broom) 
library(ggplot2) 
library(scales) 

mtcars2 <- 
    mtcars %>% 
    mutate(gpm = 1/mpg) %>% 
    group_by(cyl, am) 

lm1 <- 
    mtcars2 %>% 
    do(fit = lm(gpm ~ wt, data = .))

这使我得到一个6行的行数据帧，如预期。

此图证实了有六组：

p1 <- 
    qplot(wt, gpm, data = mtcars2) + 
    facet_grid(cyl ~ am) + 
    stat_smooth(method='lm',se=FALSE, fullrange = TRUE) + 
    scale_x_continuous(limits = c(0,NA))

我可以使用扩充（）来获得拟合输出：

lm1 %>% augment(fit)

这给了我32行，每行一个在mtcars2，如预期。

现在的挑战：我想用newdata，在那里我已经被加重量得到拟合输出缸/ 4：

newdata <- 
    mtcars2 %>% 
    mutate(
     wt = wt + cyl/4)

我希望这将产生同样大小的数据帧如lm1％>％增加（适合）：newdata中的每一行都有一行，因为扫帚会通过分组变量cyl和am匹配模型和newdata。

不幸的是，

pred1 <- 
    lm1 %>% 
    augment(
     fit, 
     newdata = newdata)

给我与192行（= 6×32）的数据帧，显然拟合每个模型到newdata的每一行。

从其他地方读取，我收集到group_by和rowwise数据帧不兼容，所以lm1被取消分组，并且扩充不能关联模型和newdata。是否有另一种设计模式可以让我做到这一点？如果它像上述尝试一样简单和透明，那将会很好，但它的工作更重要。

这里是我的sessionInfo（）：

> sessionInfo() 
R version 3.3.1 (2016-06-21) 
Platform: x86_64-w64-mingw32/x64 (64-bit) 
Running under: Windows 7 x64 (build 7601) Service Pack 1 

locale: 
[1] LC_COLLATE=English_United States.1252 
[2] LC_CTYPE=English_United States.1252 
[3] LC_MONETARY=English_United States.1252 
[4] LC_NUMERIC=C       
[5] LC_TIME=English_United States.1252  

attached base packages: 
[1] stats  graphics grDevices utils  datasets methods base  

other attached packages: 
[1] scales_0.4.0 ggplot2_2.1.0 broom_0.4.1 tidyr_0.6.0 dplyr_0.5.0 

loaded via a namespace (and not attached): 
[1] Rcpp_0.12.7  magrittr_1.5  mnormt_1.5-4  munsell_0.4.3 
[5] colorspace_1.2-6 lattice_0.20-34 R6_2.1.3   stringr_1.1.0 
[9] plyr_1.8.4  tools_3.3.1  parallel_3.3.1 grid_3.3.1  
[13] nlme_3.1-128  gtable_0.2.0  psych_1.6.9  DBI_0.5-1  
[17] lazyeval_0.2.0 assertthat_0.1 tibble_1.2  reshape2_1.4.1 
[21] labeling_0.3  stringi_1.1.1 compiler_3.3.1 foreign_0.8-67

编辑：

@aosmith：我一直在探索你的第二个选择，我喜欢它。但是，当我尝试使用我的真实数据时，我在mutate命令中遇到问题：它返回“错误：扩充不知道如何处理类列表的数据”。

我真正的代码更像是：

newdata %>% 
dplyr::select(cyl, am, wt) %>% # wt holds new predictor values 
group_by(cyl, am) %>% 
nest() %>% 
inner_join(regressions, .) %>% 
## looks like yours at this point 
mutate(pred = list(augment(fit, newdata = data))) %>% # Error here 
unnest(pred)

当我说，它看起来像你的，我的意思是我有以下的列（这里改名为一致性）：ID（CHR），attR1位（DBL） cyl（dbl），am（chr），fit（列表）和data（列表）。你有cyl，am（dbl），fit和data。我改变了我的dbl，但这没有帮助。

我认为不同之处在于，我在此样本中有3个（ID ...类似于mtcars中的rownames）x 2（cyl）x 2（am）个单位（每个样本有12个测量值），而mtcars示例具有3（cyl）x 2（am）单元格xa每个单元格的随机数的汽车类型。在我的分析中，我需要看到ID值，但新数据同样适用于所有单位。如果有帮助的话，可以把它看作是测试中每辆汽车逆风的速度。这是否意味着增加投诉的原因，它无法处理班级名单的数据？

编辑：将ID与newdata合并（使用full = TRUE）解决了最后一个问题。我目前正在使用你的第一个建议解决方案

来源

2016-10-03 BillH

对于这种情况，我已使用map2从包purrr。 map2同时循环两个列表的元素。这些列表必须具有相同的长度并且顺序相同。

列表中的元素用作您想要应用的某个函数的参数（您的情况为augment）。在这里，您的两个列表将是模型列表和数据集列表（每个cyl/am组合的列表）。

使用map2_df将结果作为data.frame而不是列表返回。

library(purrr)

我使用split预测了data.frames的列表。要分割的因素的顺序决定了列表顺序，所以我确定它的顺序与lm1相同。

test_split = split(newdata, list(newdata$am, newdata$cyl) 

map2_df(lm1$fit, test_split, ~augment(.x, newdata = .y))

为了避免担心为了这么多，你可以通过组nest的预测数据，加入这lm1，并augment结果返回的列表unnesting。

newdata %>% 
    group_by(cyl, am) %>% 
    nest() %>% 
    inner_join(lm1, .) %>% 
    mutate(pred = list(augment(fit, newdata = data))) %>% 
    unnest(pred)

来源

2016-10-03 18:29:19 aosmith

如何使用扫帚和dplyr将分组数据应用于分组模型？

回答

相关问题