如何在R中应用sapply获得函数输出的处理？

Question

假设这是我的代码：

library(magrittr)
library(dplyr)

set.seed(123,kind="Mersenne-Twister",normal.kind="Inversion")
y = runif(20,0,50)

simulation <- function(y){
  x <- rnorm(length(y),3,0.125)
  lm(y ~ x)
}

fit <- lapply(1:10, function(dummy) simulation(y))


coef <- sapply(fit, coef) %>%
    t() %>%
    as.data.frame()

如何在数据帧中收集从函数x生成的10个模拟simulation变量？

Answer 1

它们存储在fit对象中。用fit[[1]]$model$x可以提取出一个单一的。通过编程，我们可以在这样的数据框架中获得所有这些数据：

xs = lapply(fit, \(x) x$model$x)
data.frame(i = rep(seq_along(xs), lengths(xs)), x = unlist(xs))
#      i        x
# 1    1 3.153010
# 2    1 3.044977
# 3    1 3.050096
# 4    1 3.013835
# 5    1 2.930520
# 6    1 3.223364
# 7    1 3.062231
# ...

或者，如果你想要更多的信息，你可以用broom::augment代替。这将返回全部数据，以及预测值、残差等。

result = bind_rows(lapply(fit, broom::augment), .id = "sim")
head(result)
# A tibble: 6 × 9
#   sim       y     x .fitted .resid   .hat .sigma .cooksd .std.resid
#   <chr> <dbl> <dbl>   <dbl>  <dbl>  <dbl>  <dbl>   <dbl>      <dbl>
# 1 1     14.4   3.15    19.2  -4.78 0.141    15.1 0.0101      -0.350
# 2 1     39.4   3.04    24.6  14.8  0.0612   14.7 0.0353       1.04 
# 3 1     20.4   3.05    24.3  -3.89 0.0633   15.1 0.00252     -0.273
# 4 1     44.2   3.01    26.2  18.0  0.0525   14.5 0.0437       1.26 
# 5 1     47.0   2.93    30.4  16.7  0.0603   14.6 0.0438       1.17 
# 6 1      2.28  3.22    15.6 -13.3  0.234    14.7 0.164       -1.04 

你也可能喜欢bind_rows(lapply(fit, broom::tidy), .id = "sim")，它会给你每一个系数一行，而bind_rows(lapply(fit, broom::glance), .id = "sim")给你每一个模型一行。