使用管道语法处理模型列表

Question

我经常喜欢对R数据中两个变量相关的多个模型进行拟合和检查。

我可以使用这样的语法来做到这一点：

require(tidyverse)
require(broom)
models <- list(hp ~ exp(cyl), hp ~ cyl)
map_df(models, ~tidy(lm(data=mtcars, formula=.x)))

但我已经习惯了管道语法，并希望能够这样做：

mtcars %>% map_df(models, ~tidy(lm(data=., formula=.x)))

这表明我从mtcars开始，然后对它做一些事情来生成我的输出。但是这个语法不起作用，给出了一个错误Error: Index 1 must have length 1。

是否有一种方式来编写我的purrr:map()函数，以便将mtcars输送到其中以获得与上面的工作代码相同的输出？也就是说。

mtcars %>% <<<something>>>

Answer 1

tl/dr：mtcars %>% {map_df(models, function(.x) tidy(lm(data=., formula=.x)))}

或mtcars %>% map_df(models, ~tidy(lm(..1,..2)), ..2 = .)

您尝试过的解决方案有两个问题。

首先，如果你想把圆点放在一个不寻常的地方，你需要使用花括号。

library(magrittr)
1 %>% divide_by(2)   # 0.5     -> this works
1 %>% divide_by(2,.) # 2       -> this works as well
1 %>% divide_by(2,mean(.,3))   #  this doesn't    
1 %>% divide_by(.,2,mean(.,3)) #  as it's equivalent to this one
1 %>% {divide_by(2,mean(.,3))} #  but this one works as it forces all dots to be explicit.

第二个问题是，您不能以您想要的方式使用~公式中的点，尝试map(c(1,2), ~ 3+.)和map(c(1,2), ~ 3+.x) (甚至map(c(1,2), ~ 3+..1))，您就会看到同样的结果。当您在~公式中使用点时，它不再链接到管道函数。

为了确保点被解释为mtcars，您需要使用好的旧function(x) ...定义。

这样做是可行的：

mtcars %>% {map_df(models, function(.x) tidy(lm(data=., formula=.x)))}

最后，作为奖励，以下是我想出的，试图找到一个没有花括号的解决方案：

mtcars %>% map(models,lm,.) %>% map_df(tidy)
mtcars %>% map_df(models, ~tidy(lm(..1,..2)), ..2 = .)

Answer 2

这应该有效，并且不涉及function或{}的复杂性。纯粹的purrr解决方案。

library(tidyverse)
library(broom)

models <- list(hp ~ exp(cyl), hp ~ cyl)

mtcars %>% 
    list %>%                         # make it a list
    cross2(models) %>%               # get combinations
    transpose %>%                    # put into a nice format
    set_names("data", "formula") %>% # set names to lm arg names
    pmap(lm) %>%                     # fit models
    map_df(tidy)                     # tidy it up

Answer 3

这与purrr::map的工作方式有些不一致。您正在模型列表上映射(一次映射列表中的一项)，而不是dataframe (一次将是dataframe的一列)。由于dataframe与其他模型表达式保持不变，所以我认为映射在这种情况下是行不通的。

但是，您可以从基于上面的自定义函数中获得所需的语法。

library(tidyverse)
library(broom)
models <- list(hp ~ exp(cyl), hp ~ cyl)

models_to_rows <- function(data, models_list) {
  models_list %>%
    map_df(~tidy(lm(data=data, formula=.x)))
}

mtcars %>%
  models_to_rows(models)
#>          term     estimate    std.error statistic      p.value
#> 1 (Intercept)  89.60052274  9.702303069  9.234975 2.823542e-10
#> 2    exp(cyl)   0.04045315  0.004897717  8.259594 3.212750e-09
#> 3 (Intercept) -51.05436157 24.981944312 -2.043650 4.985522e-02
#> 4         cyl  31.95828066  3.883803355  8.228604 3.477861e-09