R 在缺少值的数据帧中以列方式循环lm（）

我使用的是一个至少由三个变量（波长、辐照度、x）组成的数据框，我将其旋转，使每个波长都是一个新行，从而允许我在每个波长上运行lm（），并提取系数，以便我可以看到x如何随波长和辐照度变化

但是，我能够让它工作的唯一方法是在每个波长上显式运行lm（）。这对于具有数百个参数的较大数据帧是不可行的，这些参数随波长和辐照度的变化而变化

我有一种感觉，这可以通过“应用”或编写循环来解决，但我没有任何运气让它们工作

有关该问题的示例，请参见下文

我还是个新手，所以任何指点都很感激

irr = rnorm(33, 10, 3)
wave = c(290, 290, 290, 300, 300, 300, 310, 310, 310, 320, 320, 320, 330, 330, 330, 340, 340, 340, 350, 350, 350, 360, 360, 360, 370, 370, 370, 380, 380, 380, 400, 400, 400)
x = rnorm(33, 50, 2)
df <- as.data.frame(cbind(wave, irr, x))
df_wide <- df %>%
  pivot_wider(names_from = "wave",
              values_from = "x")
"290_lm" <- lm(df_wide$`290` ~ df_wide$irr) 
"300_lm" <- lm(df_wide$`300` ~ df_wide$irr) #etc through each wavelength

## Attempt at loop

for (i in 2:(ncol(df_wide))){
  irr <- df_wide[2][i]
  lm_function <- paste(irr,
                       sep = "~")
  df_lm = lm(lm_function, 
             data = df_wide[2:12])
}

irr=rnorm（33,10,3）
波=c（290290290290300300310310310310320320330330340340340340350350360360370370370370380380380380400400）
x=rnorm（33,50,2）
df当您保持长格式时，这可能要容易得多。只需使用
lappy
对数据进行子集设置即可。使用
setNames
生成的列表可以获得好的名称

res <- setNames(lapply(unique(df$wave), function(w) 
  lm(x ~ irr, data=df[df$wave %in% w, ])),
  paste0("wave.", unique(df$wave)))
res
# $wave.290
# 
# Call:
#   lm(formula = x ~ irr, data = df[df$wave %in% w, ])
# 
# Coefficients:
#   (Intercept)          irr  
# 36.837        1.503  
# 
# 
# $wave.300
# 
# Call:
#   lm(formula = x ~ irr, data = df[df$wave %in% w, ])
# 
# Coefficients:
#   (Intercept)          irr  
# 54.3785      -0.5586 
# [...]

res从您的描述中，我可以看出您的问题与
purr:：map
的示例是相同的，这避免了需要进行扩展

库（dplyr）
图书馆（purrr）
结果列表%
分割（.$wave）%>%
map（~lm（x~irr，数据=.x））%>%
地图（摘要）
结果列表$`350`
#> 
#>电话：
#>lm（公式=x~irr，数据=0.x）
#> 
#>残差：
#>      19      20      21 
#>  0.2924 -2.2947  2.0023 
#> 
#>系数：
#>估计标准误差t值Pr（>t）
#>（截距）52.7276 6.2200 8.477 0.0748。
#>内部收益率-0.4977 0.6229-0.799 0.5708
#> ---
#>签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1
#> 
#>剩余标准误差：1个自由度上的3.059
#>多重R平方：0.3897，调整后的R平方：-0.2206
#>F统计量：1和1 DF上的0.6385，p值：0.5708

根据你的数据

irr=rnorm（33,10,3）
波=c（290290290290300300310310310310320320330330340340340340350350360360370370370370380380380380400400）
x=rnorm（33,50,2）
df附加溶液

library(tidyverse)
library(generics)
df %>% 
  group_by(wave) %>% 
  nest() %>% 
  mutate(model = map(data, ~ lm(x ~ irr, data = .x) %>% tidy)) %>% 
  select(-data) %>% 
  unnest(model)

或类似如下：

df <- data.frame(
  irr = rnorm(33, 10, 3),
  wave = c(290, 290, 290, 300, 300, 300, 310, 310, 310, 
           320, 320, 320, 330, 330, 330, 340, 340, 340, 350, 350, 350, 
           360, 360, 360, 370, 370, 370, 380, 380, 380, 400, 400, 400),
  x = rnorm(33, 50, 2)

)

mylm <- function(w) {
  m <- lm(x ~ irr, data = df, subset = (wave == w))
  ## outcomment the following if you just need the parameters
  # coef(m)
}

lapply(df$wave, mylm)

df我建议不要旋转，而是使用
lm
的
subset
选项。我还想知道线性模型中的因变量和自变量是什么。方法不错，但是我还需要加载包泛型。（使用R4.0.0测试，上周的包）。函数
tidy
或者更准确地说
tidy.lm
可以在包扫帚中找到：包泛型只是另一个包装器。因此，除了
库（泛型）
之外，还可以使用
库（扫帚）