R 在数据表的每一行上解一个线性方程

我做了一些线性回归，我想预测超过某个值的时刻

这意味着我有三列：

a= slope
b = intercept
c = target value

我想计算的每一行

solve（a，（c-b））

---

如何在不使用循环的情况下高效地执行此操作（这是一个广泛的数据集）？

以下是使用

矢量化功能的一种简单方法：

solve_vec <- Vectorize(solve)
solve_vec(d$a, d$c - d$b)

> solve_vec(d$a, d$c - d$b)
[1] 12.0  6.0  4.0  3.0  2.4

solve_vec solve_vec（d$a，d$c-d$b）
[1] 12.0  6.0  4.0  3.0  2.4
以下是使用
矢量化功能的简单方法：

solve_vec <- Vectorize(solve)
solve_vec(d$a, d$c - d$b)

> solve_vec(d$a, d$c - d$b)
[1] 12.0  6.0  4.0  3.0  2.4

solve_vec solve_vec（d$a，d$c-d$b）
[1] 12.0  6.0  4.0  3.0  2.4
所以你基本上想要解这个方程

c = a*x + b

对于每行的
x
？这有一个非常简单的解决方案

x = (c-b)/a

这是R中的矢量化操作。不需要循环

dd <- data.frame(
   a = 1:5,
   b = -2:2,
   c = 10:14
)
transform(dd, solution=(c-b)/a)

#   a  b  c solution
# 1 1 -2 10     12.0
# 2 2 -1 11      6.0
# 3 3  0 12      4.0
# 4 4  1 13      3.0
# 5 5  2 14      2.4

dd所以你基本上想要解这个方程

c = a*x + b

对于每行的
x
？这有一个非常简单的解决方案

x = (c-b)/a

这是R中的矢量化操作。不需要循环

dd <- data.frame(
   a = 1:5,
   b = -2:2,
   c = 10:14
)
transform(dd, solution=(c-b)/a)

#   a  b  c solution
# 1 1 -2 10     12.0
# 2 2 -1 11      6.0
# 3 3  0 12      4.0
# 4 4  1 13      3.0
# 5 5  2 14      2.4

dd除了上述响应，您还可以使用
tidyverse
中的
mutate
功能。像这样：

library(magrittr)
library(tidyverse)

dataframe %<>% mutate(prediction=solve(a,(c-b))

库（magrittr）
图书馆（tidyverse）
数据帧%%mutate（预测=求解（a，（c-b））

在本例中，我们假设列“a”、“b”和“c”位于一个名为“dataframe”的表中。然后，我们使用
magrittr
库中的
%%
函数说“将后面的函数应用于dataframe”.
除了上述响应之外，您还可以使用
tidyverse
中的
mutate
功能。如下所示：

library(magrittr)
library(tidyverse)

dataframe %<>% mutate(prediction=solve(a,(c-b))

库（magrittr）
图书馆（tidyverse）
数据帧%%mutate（预测=求解（a，（c-b））

在本例中，我们假设列“a”、“b”和“c”位于一个名为“dataframe”的表中。然后，我们使用
magrittr
库中的
%%
函数说“将后面的函数应用于dataframe”.
这正是我需要的，因为我以后可能会使用更难的功能。谢谢！这正是我需要的，因为我以后可能会使用更难的功能。谢谢！