dplyr，do（），在不丢失分组变量的情况下从模型中提取参数

do（）的R帮助中有一个稍有改动的示例：

像这样

coefficients <-models %>% do(data.frame(coef = coef(.$mod)[[1]], group = .[[1]]))

---

使用哈德利·威克姆的方法：

库（dplyr）
图书馆（purrr）
图书馆（扫帚）
fitmodel%
嵌套（）%>%
变异（mod=map（数据，模型），
pars=地图（mod，tidy），
pred=映射（mod，augment））
PAR%unnest（PAR）
预测%unnest（预测值）

谢谢，诸如此类。我想知道是否有可能自动使用group_by中的分组。因此，例如，如果group_by更改为group_by（mtcar，cyl，am），则不必在do（）中使用group=.[1]]和group2=.[2]]；试试

系数%do（data.frame（coef=coef（.$mod），group=.[1]]，var=names（coef（.$mod））

我知道这一点很旧，但这确实帮助了我

do（data.frame（group=.[1]]，a=coef（.$mod）[1]，b=coef（.$mod）[2]，r2=summary（.$mod）$r.squared））

这将获得整个方程，用于按变量绘制组。不确定这是否有帮助。您可以使用

summary

而不是第二个

do

。summary（models，coef=coef（summary（mod））[[1]]，group=cyl）这是一个bug，我一弄清楚怎么解决它，就会马上修复它。@hadley这个问题解决了吗？你能指出github的问题吗？@RosenMatev你找到关于这个问题的任何东西了吗？根据Hadley的说法，它可能在dplyr 0.4中得到解决

by_cyl <- group_by(mtcars, cyl)
getpars <- function(df){
  fit <- lm(mpg ~ disp, data = df)
  data.frame(intercept=coef(fit)[1],slope=coef(fit)[2])
}
getprediction <- function(df){
  fit <- lm(mpg ~ disp, data = df)
  x <- df$disp
  y <- predict(fit, data.frame(disp= x), type = "response")
  data.frame(x,y)
}
pars <- by_cyl %>% do(getpars(.))
prediction <- by_cyl %>% do(getprediction(.))

getAll <- function(df){
  results<-list()
  fit <- lm(mpg ~ disp, data = df)
  x <- df$disp
  y <- predict(fit, data.frame(disp= x), type = "response")

  results$pars <- data.frame(intercept=coef(fit)[1],slope=coef(fit)[2])
  results$prediction <- data.frame(x,y)

  results
 }

coefficients <-models %>% do(data.frame(coef = coef(.$mod)[[1]], group = .[[1]]))

        coef group
  1 40.87196     4
  2 19.08199     6
  3 22.03280     8

library(dplyr)
library(purrr)
library(broom)

fitmodel <- function(d) lm(mpg ~ disp, data = d)
by_cyl <- mtcars %>% 
  group_by(cyl) %>% 
  nest() %>%
  mutate(mod = map(data, fitmodel), 
         pars = map(mod, tidy), 
         pred = map(mod, augment))

pars <- by_cyl %>% unnest(pars)
prediction <- by_cyl %>% unnest(pred)