对多列数据使用rollapply和lm

我有一个类似于以下的数据框，共有500列：

Probes <- data.frame(Days=seq(0.01, 4.91, 0.01), B1=5:495,B2=-100:390, B3=10:500,B4=-200:290)

probe试试这个：

# here are the xmin values you wanted
xmins <- Probes$Days[seq(1,nrow(Probes),6)]

# here we build a function that will run regressions across the columns
# y1 vs x, y2 vs x, y3 vs x...
# you enter the window and by (12/6) in order to limit the interval being
# regressed. this is later called in do.call
runreg <- function(Probes,m,window=12,by=6){

  # beg,end are used to specify the interval
  beg <- seq(1,nrow(Probes),by)[m]
  end <- beg+window-1

  # this is used to go through all the columns
  N <- ncol(Probes)-1
  tmp <- numeric(N)
  # go through each column and store the coefficients in tmp
  for(i in 1:N){
     y <- Probes[[i+1]][beg:end]
     x <- Probes$Days[beg:end]
     tmp[i] <- coef(lm(y~x))[2][[1]]
  }
  # put all our column regressions into a dataframe
  res <- rbind('coeff'=tmp)
  colnames(res) <- colnames(Probes)[-1]

  return(res)
}

# now that we've built the function to do the column regressions
# we just need to go through all the window-ed regressions (row regressions)
res <- do.call(rbind,lapply(1:length(xmins),function(m) runreg(Probes,m)))

# these rownames are the index of the xmin values
rownames(res) <- seq(1,nrow(Probes),6)
res <- data.frame(res,xmins)

#以下是您想要的xmin值
xmins1）定义一个zoo对象
z
，其数据包含
探测
，其索引取自探测的第一列，即
天
。注意，
lm
允许
y
作为矩阵定义计算回归系数的
coefs
函数。最后，
rollapply
over
z
。注意，返回对象的索引给出了xmin

library(zoo)

z <- zoo(Probes, Probes[[1]])

coefs <- function(z) c(unlist(as.data.frame(coef(lm(z[,-1] ~ z[,1])))))
rz <- rollapply(z, 12, by = 6, coefs, by.column = FALSE, align = "left")

请注意，
DF您还可以使用
rollRegres
包，如下所示

#设置数据
如果我正确理解了你的问题，你需要在两个方向上“循环”。来自
zoo
的
rollapply
将为您提供窗口方向（向下移动您的行）。但是，如果要进行多个
y
回归，还需要循环使用这些可能性中的每一个（每列都是另一个回归），好的，谢谢。你是说除了rollapply函数之外，我还需要循环它？我不太确定当把它们放在一起的时候会是什么样子。你认为plyr的colwise函数也可以吗？这取决于你想要的是什么。你想回归y1对x、y2对x、y3对x……等等吗。他们自己。或者，除了滚动窗口y1对x（仅前12个，即1-12），y1对x（仅18-30），…，etcI还需要第二个…除滚动窗口外的按列回归。几乎和你写的一样，除了滚动窗口会每6个单元格移动一次，像这样：Y1[1:12]~x，Y1[6:18]~x，Y1[12:24]，等等。所以我基本上会得到一个矩阵，它的值是我原来的1/6。我们将为这做一个示例矩阵，这样就清楚了。是的，这很有效。我在Excel中仔细检查一些斜率时得到的值略有不同，但我猜这可能是因为两个不同的程序在拟合线性模型方面存在差异，而不是因为编码问题。谢谢你的帮助。这可能也是索引的问题。也许我差一个单位？但这很容易解决。总体结构应该会有所帮助！尝试更改
结束注意，此代码已修改为较短。谢谢，此代码也有效，并且值与我在Excel中测试了一些代码后得到的值相匹配。我的数据帧中不需要截取，所以我猜我只需要添加一个[-1]如果我想消除这些列，可以在coef函数中的某个地方？在这种情况下，
coefs
函数可以简化为：
coefs@user507我想知道您是否可以运行这两个代码，看看哪一个比上面两个类似的代码更有效，第二个（rollover row number）就我的目的而言，是两者中的较好者，也是我最终使用的。下面的代码起作用了，但我无法解决值稍微偏离的问题。正如您所建议的，我最初也认为这可能是一个索引问题，但尝试多个不同的索引更改并没有解决这个问题。
library(zoo)

z <- zoo(Probes, Probes[[1]])

coefs <- function(z) c(unlist(as.data.frame(coef(lm(z[,-1] ~ z[,1])))))
rz <- rollapply(z, 12, by = 6, coefs, by.column = FALSE, align = "left")

> head(rz)
     B11 B12  B21 B22 B31 B32  B41 B42
0.01   4 100 -101 100   9 100 -201 100
0.07   4 100 -101 100   9 100 -201 100
0.13   4 100 -101 100   9 100 -201 100
0.19   4 100 -101 100   9 100 -201 100
0.25   4 100 -101 100   9 100 -201 100
0.31   4 100 -101 100   9 100 -201 100

library(zoo)
y <- as.matrix(Probes[-1])
Days <- Probes$Days
n <- nrow(Probes)
coefs <- function(ix) c(unlist(as.data.frame(coef(lm(y ~ Days, subset = ix)))), 
      xmins = Days[ix][1])
r <- rollapply(1:n, 12, by = 6, coefs)

devtools::install_github("boennecd/rollRegres", upgrade_dependencies = FALSE,
                         build_vignettes = TRUE)