gpt4 book ai didi

r - 目录中多个文件的循环线性模型

转载 作者:行者123 更新时间:2023-12-02 01:21:05 25 4
gpt4 key购买 nike

我有一个包含 26 个 .csv 文件的文件夹。每个文件都有两列,标题为 DO2Time_min,并且都至少有 300 多行。

我想用x=Time_miny=DO2 制作散点图,为每个制作线性模型,取系数R^2 为 26 个模型中的每一个,并将其放入表中。

就代码而言,这就是我编写的内容。我知道我可以复制并粘贴它,但我也知道必须有更聪明的方法。

setwd("~/Documents/Masters/Data/R/35789/35789_Ucrit")

#The file where I want all the coefficients and R^2 to go
UE_Slope <- read.csv("~/Documents/Masters/Data/R/35789/35789_UE_Slope.csv")

temp = list.files(pattern="*.csv")
for (i in 1:length(temp))(assign(temp[i], read.csv(temp[i])))

#Seal# are the names for the files directory, 1-26
plot(DO2 ~ Time_min, data = Seal1)
model1 <- lm(DO2 ~ Time_min, data = Seal1.csv)
UE_Slope <- rbind(UE_Slope, data.frame("Slope"=coef(model1)[[2]], "R.2"=summary(model1)$r.squared))

最佳答案

我们首先定义一个函数,它读取一个“csv”文件,拟合一个线性模型并获得汇总统计数据。

f <- function (file) {
## read file
dat <- read.csv(file)
## fit model
fit <- lm(DO2 ~ Time_min, data = dat)
slope <- coef(fit)[2]
## make a plot??
plot(DO2 ~ Time_min, data = dat, main = file) ## use file names as title
abline(fit) ## overlay fitted regression line
## note, I am not using `summary.lm` as that is expensive
## R-squared can be easily computed
RSS <- crossprod(fit$residuals)[1]
TSS <- crossprod(dat$DO2 - mean(dat$DO2))[1]
R2 <- 1 - RSS / TSS
## return a vector
c("Slope" = slope, "R.2" = R2)
}

现在,我们简单地遍历所有文件,应用 f:

temp <- list.files(pattern = "*.csv")
pdf("whatever.pdf")
result <- t(sapply(temp, f))
dev.off()

sapply do cbind 以平面矩阵结束;使用 t() 使其成为高矩阵。 pdf()dev,off() 打开/关闭 PDF 文件,所有绘图都在该文件上进行。这看起来很有必要,因为您有 26 个数字,不容易在屏幕上以面板方式显示它们。通过使用 PDF 文件,您可以每页绘制一个图。 PDF 文件将位于您当前的工作目录中。

关于r - 目录中多个文件的循环线性模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40240176/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com