R循环：每3行执行一个函数

我有2000株小麦，在40天的时间里生长。 我想对每个设备执行系数函数，以找到三个时间点形成的二次方程的系数。（a、b和c）

（1）

coef（lm（y~poly（x，2，raw=TRUE））

函数的工作方式完全符合我的要求

（2） 但是，我的数据显示方式要求我手动设置x和y

（3） 因此，我融化了我的数据，并对其进行了排序

（4） 我想做一个循环，取“Day”列中的前三个，并将其设置为x。然后我想取“Height”列中的前三个，并将其设置为y

然后我想执行coeff函数

最后，我想让它展示我需要的系数输出，最好是在一个新的数据表中

然后对所有小麦植株每三行重复一次，这三行代表每个小麦ID

1） 这个函数起作用，给我一个系数：a，b，c

---

x我们可以借助data.table来完成此操作，请参见
？data.table
：

library(data.table)

A.models = A.melted[, model := list(.(lm(Height ~ poly(Day, 2), 
                                         data = list(.(.SD[WheatID == .BY[[1]]]))))), 
                    by = WheatID] 

A.models[, coefs := list(.(coefficients(model[[1]]))), 
         by = WheatID]

您可以通过以下方式访问每个模型：

A.models[WheatID == "Wheat 1", model[[1]]]

甚至

A.models[WheatID == "Wheat 1", summary(model[[1]])]

这里的神奇之处在于
数据。table
接受
J
表达式，而不仅仅是函数。
如果您想在循环中执行此操作，请尝试此方法。关键部分是将
seq
与
by=
参数一起使用，让索引执行所需的步骤

library(tibble)

df <- tibble(
  WheatID = rep(NA_character_, nrow(A)),
  Intercept = rep(NA_real_, nrow(A)),
  poly1 = rep(NA_real_, nrow(A)),
  poly2 = rep(NA_real_, nrow(A))
)
cnt <- 1
for (i in seq(1, nrow(A.melted), by = 3)) {
  x <- A.melted$Day[i + 0:2]
  y <- A.melted$Height[i + 0:2]
  df$WheatID[cnt] <- as.character(A.melted$WheatID[i])
  df[cnt, 2:4] <- coef(lm(y~poly(x,2,raw=TRUE)))
  cnt <- cnt + 1
}
df

库（TIBLE）
df这是您可以使用data.table包执行的操作

data.list <- split(A.melted, f = (1:nrow(A.melted) - 1) %/% 3)
coefs <- lapply(data.list, function(x) {
  coefs <- coef(lm(Day ~ poly(Height, raw=TRUE), data = x))
  data.table(
    intercept = coefs[1],
    poly.height = coefs[2]
  )
})

coefs <- rbindlist(coefs)

data.list或者您可以直接在原始矩阵上执行
apply（）
：

x <- as.numeric(colnames(A))
apply(A, 1, function(y) coef(lm(y~poly(x,2,raw=TRUE))))

                            Wheat 1      Wheat 2       Wheat 3
(Intercept)             -3.88888889 -0.555555556  6.666667e-01
poly(x, 2, raw = TRUE)1  1.11111111  0.477777778  1.333333e-01
poly(x, 2, raw = TRUE)2 -0.02222222 -0.002222222 -2.417315e-18

再次感谢您的回答！但假设我现在想找到每条二次曲线下的面积？最好的方法是什么？这个话题与这个问题没有直接关系。有一种精确的方法可以找到二次多项式的积分函数，它相对容易，并且可以在感兴趣的范围内计算。我不知道，怎么做，继续问。还有一种数值方法，即在感兴趣的区域内生成随机点，得到低于多项式的比例。
library(tibble)

df <- tibble(
  WheatID = rep(NA_character_, nrow(A)),
  Intercept = rep(NA_real_, nrow(A)),
  poly1 = rep(NA_real_, nrow(A)),
  poly2 = rep(NA_real_, nrow(A))
)
cnt <- 1
for (i in seq(1, nrow(A.melted), by = 3)) {
  x <- A.melted$Day[i + 0:2]
  y <- A.melted$Height[i + 0:2]
  df$WheatID[cnt] <- as.character(A.melted$WheatID[i])
  df[cnt, 2:4] <- coef(lm(y~poly(x,2,raw=TRUE)))
  cnt <- cnt + 1
}
df

data.list <- split(A.melted, f = (1:nrow(A.melted) - 1) %/% 3)
coefs <- lapply(data.list, function(x) {
  coefs <- coef(lm(Day ~ poly(Height, raw=TRUE), data = x))
  data.table(
    intercept = coefs[1],
    poly.height = coefs[2]
  )
})

coefs <- rbindlist(coefs)

x <- as.numeric(colnames(A))
apply(A, 1, function(y) coef(lm(y~poly(x,2,raw=TRUE))))

                            Wheat 1      Wheat 2       Wheat 3
(Intercept)             -3.88888889 -0.555555556  6.666667e-01
poly(x, 2, raw = TRUE)1  1.11111111  0.477777778  1.333333e-01
poly(x, 2, raw = TRUE)2 -0.02222222 -0.002222222 -2.417315e-18

x <- as.numeric(colnames(A))
coef(lm(t(A) ~ poly(x, 2, raw = TRUE)))