如何计算R中多个样地上不同线性回归线的斜率

我现在使用刻面通过不同的I值绘制多个分布图，并在相应的图上找到每条回归线的斜率

我的数据集的格式如下，这里是指向整个文件（）的链接

我使用以下R代码绘制多个绘图：

bound = read.csv("strength_distribution")
sp <- ggplot(bound, aes(x,y)) + geom_point(shape=1)+ 
scale_y_log10()+ scale_x_log10()+ggtitle("Node Strength Distribution")+
      theme(plot.title= element_text(size =16, face ="bold", 
              lineheight = 8, vjust=1), aspect.ratio=1)+
      stat_smooth(method="lm", se = FALSE) + scale_shape_identity()
sp + facet_wrap( ~ i, ncol=3, scales = "free_x" )
ggplotly()

bound=read.csv（“强度分布”）
sp在评论中为您提供了一个完美的答案，但如果您感兴趣

如果您正在对数据子集执行相当复杂的操作，那么很值得查看R中的
groupby（）%%>%nest（）%%>%map（）
工作流。我将用一个简单的示例演示：

library(dplyr)
library(tidyr)
library(purrr)
data(iris)

这些是您希望应用于子集的一些函数

doModel <- function(dat) lm(Sepal.Length ~ Sepal.Width, dat)
getSlope <- function(mod) coef(mod)[2]

doModel%
突变（模型=映射（数据，多模型））%>%
变异（斜率=映射（模型，getCoef））
型号$slope

发生的情况是，您创建了一些data.frame，它位于带有
nest（）
的data.frame中。然后使用
map（）
将函数应用于每个子data.frame。如果您对每个子集都有非常细微的事情要做，这种工作流会非常有用

我强烈推荐你看。如果您需要……
sapply（分割（df，df$i），函数（数据）coef（lm（y~x，data））[1]）
无需ggplot。我快速浏览了整个情节构建，没有看到任何有用的东西，但对我来说，这样做会更容易separately@roman是的，我的mistake@rawr：谢谢你的回答，我应该把coef（lm（y~x，data））[1]改为coef（lm（y~x，data））[2]是的应该是[2]你是对的，[1]会给你y截距
coef（lm（log10（y）~log10（x），数据）
应该可以，请看第二个答案，非常感谢，收获很多。只需再问一个问题，现在我有三个数据集a、B和C，每个数据集的格式都与问题中列出的文件相同。虽然这些数据集有一个公共变量I，但对应的x和y的数量彼此不同。因此，如果我想绘制这些数据集e三个数据集，例如一个绘图上的三行，具体值为i，因此，如果i从0到1，增量为0.1，则应该有11个绘图，每个绘图有三行。这可能吗？您的意思是不同子集中的行数不同吗？带有刻面的ggplot将能够处理这一问题。
models <- iris %>% 
  group_by(Species) %>%
  nest %>%
  mutate(model = map(data, doModel)) %>% 
  mutate(slope = map(model, getCoef))

models$slope