r - 按行自动回归

Question

我有一个data.frame

set.seed(100)
exp <- data.frame(exp = c(rep(LETTERS[1:2], each = 10)), re = c(rep(seq(1, 10, 1), 2)), age1 = seq(10, 29, 1), age2 = seq(30, 49, 1), 
                  h = c(runif(20, 10, 40)), h2 = c(40 + runif(20, 4, 9)))

我想为数据集中的每一行制作一个lm(h and h2 ~ age1 and age2)我通过 loop

来完成

exp$modelh <- 0

for (i in 1:length(exp$exp)){
  age = c(exp$age1[i], exp$age2[i])
  h = c(exp$h[i], exp$h2[i])
  model = lm(age ~ h)
  exp$modelh[i] = coef(model)[1] + 100 * coef(model)[2]

}

它运行良好，但处理非常大的文件需要一些时间。将感谢更快的解决方案 f.ex。 dplyr

Answer 1

使用 dplyr，我们可以尝试使用 rowwise() 和 do。在 do 中，我们连接 (c) 'age1'、'age2' 来创建 'age'，同样，我们可以创建 'h'，应用 lm，提取 coef 以创建“modelh”列。

library(dplyr)
exp %>%
    rowwise() %>%
    do({
       age <- c(.$age1, .$age2)
       h <- c(.$h, .$h2)
       model <- lm(age ~ h)
       data.frame(., modelh = coef(model)[1] + 100*coef(model)[2])
    } )

给出输出

#   exp re age1 age2        h       h2    modelh
#1    A  1   10   30 19.23298 46.67906  68.85506
#2    A  2   11   31 17.73018 47.55402  66.17050
#3    A  3   12   32 26.56967 46.69174  84.98486
#4    A  4   13   33 11.69149 47.74486  61.98766
#5    A  5   14   34 24.05648 46.10051  82.90167
#6    A  6   15   35 24.51312 44.85710  89.21053
#7    A  7   16   36 34.37208 47.85151 113.37492
#8    A  8   17   37 21.10962 48.40977  74.79483
#9    A  9   18   38 26.39676 46.74548  90.34187
#10   A 10   19   39 15.10786 45.38862  75.07002
#11   B  1   20   40 28.74989 46.44153 100.54666
#12   B  2   21   41 36.46497 48.64253 125.34773
#13   B  3   22   42 18.41062 45.74346  81.70062
#14   B  4   23   43 21.95464 48.77079  81.20773
#15   B  5   24   44 32.87653 47.47637 115.95097
#16   B  6   25   45 30.07065 48.44727 101.10688
#17   B  7   26   46 16.13836 44.90204  84.31080
#18   B  8   27   47 20.72575 47.14695  87.00805
#19   B  9   28   48 20.78425 48.94782  84.25406
#20   B 10   29   49 30.70872 44.65144 128.39415

---

我们可以使用 data.table 的 devel 版本来做到这一点，即 v1.9.5。安装开发版本的说明是 here .

我们将 'data.frame' 转换为 'data.table' (setDT)，创建带有选项 keep.rownames=TRUE 的列 'rn'。我们通过在 measure 中指定 patterns 来melt 数据集，以将“宽”格式转换为“长”格式。按“rn”分组，我们执行 lm 并获得 coef。可以将其分配为原始数据集 ('exp') 中的新列，同时通过将 (:=) 分配给 NULL 来删除不需要的 'rn' 列。

library(data.table)#v1.9.5+
modelh <-  melt(setDT(exp, keep.rownames=TRUE), measure=patterns('^age', '^h'),
   value.name=c('age', 'h'))[, {model <- lm(age ~h)
      coef(model)[1] + 100 * coef(model)[2]},rn]$V1

exp[, modelh:= modelh][, rn := NULL]
exp
#    exp re age1 age2        h       h2    modelh
# 1:   A  1   10   30 19.23298 46.67906  68.85506
# 2:   A  2   11   31 17.73018 47.55402  66.17050
# 3:   A  3   12   32 26.56967 46.69174  84.98486
# 4:   A  4   13   33 11.69149 47.74486  61.98766
# 5:   A  5   14   34 24.05648 46.10051  82.90167
# 6:   A  6   15   35 24.51312 44.85710  89.21053
# 7:   A  7   16   36 34.37208 47.85151 113.37492
# 8:   A  8   17   37 21.10962 48.40977  74.79483
# 9:   A  9   18   38 26.39676 46.74548  90.34187
#10:   A 10   19   39 15.10786 45.38862  75.07002
#11:   B  1   20   40 28.74989 46.44153 100.54666
#12:   B  2   21   41 36.46497 48.64253 125.34773
#13:   B  3   22   42 18.41062 45.74346  81.70062
#14:   B  4   23   43 21.95464 48.77079  81.20773
#15:   B  5   24   44 32.87653 47.47637 115.95097
#16:   B  6   25   45 30.07065 48.44727 101.10688
#17:   B  7   26   46 16.13836 44.90204  84.31080
#18:   B  8   27   47 20.72575 47.14695  87.00805
#19:   B  9   28   48 20.78425 48.94782  84.25406
#20:   B 10   29   49 30.70872 44.65144 128.39415