dplyr和tidyr -一次计算了很多线性模型。

Question

在阅读了更多关于tidyverse的内容之后，我开始同时拟合许多线性模型，就像这中描述的那样。也就是说，我会做一些这样的事情：

library(dplyr)
library(tidyr)
library(purrr)
df <- data.frame(y = rnorm(10), 
                 x1 = runif(10),
                 x2 = runif(10))

df %>%
  gather(covariate, value, x1:x2) %>% 
  group_by(covariate) %>% 
  nest() %>% 
  mutate(model = map(.x = data , .f = ~lm(y ~ value, data = .))) %>% 
  mutate(rsquared = map_dbl(.x = model, .f = ~summary(.)$r.squared))

问题是，当变量不是同一类型时(例如，一个变量是数值变量，一个变量是因素)，这种方法就失败了，因为gather()函数将把整个value向量强制为一个因子。例如,

df <- data.frame(y = rnorm(10), 
                 x1 = runif(10),
                 x3 = sample(c("a", "b", "c"), 10, replace = TRUE))

df %>%
  gather(covariate, value, x1:x3) %>% 
  sapply(class)

后面跟着警告。

Warning message:
attributes are not identical across measure variables; they will be dropped 

          y   covariate       value 
  "numeric" "character" "character" 

value列是一个字符，所以使用nest()的技巧将不再起作用，因为所有的协变量都将作为因子。

我想知道这样做是否有一个整洁的方法。

Answer 1

您可以在拟合模型时转换类型，尽管您应该按照注释中所指出的那样小心进行，因为这可能会产生意外的后果。

如果仍然想要转换，可以在整个框架上使用readr中的type_convert，也可以在“值”向量上使用type.convert。

使用type_convert

mutate(model = map(.x = data , .f = ~lm(y ~ value, data = readr::type_convert(.))))

使用type.convert

mutate(model = map(.x = data , .f = ~lm(y ~ type.convert(value), data = .)))

作为链的一部分，这两种方法中的任何一种都会为这种情况带来预期的结果：

df %>%
    gather(covariate, value, x1:x3) %>% 
    group_by(covariate) %>% 
    nest() %>% 
    mutate(model = map(.x = data , .f = ~lm(y ~ type.convert(value), data = .))) %>% 
    mutate(rsquared = map_dbl(.x = model, .f = ~summary(.)$r.squared))

# A tibble: 2 x 4
  covariate              data    model   rsquared
      <chr>            <list>   <list>      <dbl>
1        x1 <tibble [10 x 2]> <S3: lm> 0.33176960
2        x3 <tibble [10 x 2]> <S3: lm> 0.06150498