将 dplyr::do() 与 dplyr::mutate 组合？

Question

我想实现以下目标：对于数据集的每个子组，我想进行回归，并且该回归的残差应保存为原始数据框中的新变量。例如，

 group_by(mtcars, gear) %>% mutate(res = residuals(lm(mpg~carb, .)))

表示我认为应该起作用，但不起作用（有人愿意解释为什么它不起作用吗？）。获取残差的一种方法是执行以下操作：

 group_by(mtcars, gear) %>% do(res = residuals(lm(mpg~carb, .)))

这给了我一个数据框，其中保存了 dbl 个对象，即那些包含每个组的残差的对象。但是，它们似乎不包含可以帮助我将它们合并回原始数据的原始行名。

所以，我的问题是：如何以类似 dplyr 的方式实现我想做的事情？

显然，可以通过其他方式实现。举个例子，以下工作正常：

 dat <- mtcars
 dat$res <- NA
 for(i in unique(mtcars$gear)){
   dat[dat$gear==i, "res"]  <- residuals(lm(mpg ~ disp, data=dat[dat$gear==i,]))
 }

不过，我的理解是dplyr就是为了这个目的而制作的，所以应该有一个dplyr式的方式吧？

任何提示/技巧/意见都将受到赞赏。

备注：这个问题与lm() called within mutate()非常相似，只是在那个问题中，每组只保留一个参数，这使得merge-方法变得容易。我有一个没有行名的完整向量，所以我必须依靠向量的顺序来做到这一点，这对我来说似乎很麻烦。

Answer 1

#This gives you the residuals. You can then combine this with original data. 
mtcars %>%
     group_by(cyl) %>%
     do(model = lm(mpg ~ wt, data=.)) %>%
     do((function(reg_mod) {
        data.frame(reg_res = residuals(reg_mod$model))
     })(.))

Answer 2

library(lazyeval)
eq <- "y ~ x"
dat <- mtcars
dat %>% 
    group_by(gear) %>% 
    mutate(res=residuals(lm(interp(eq, y = mpg, x = disp))))

或没有lazyeval

dat %>% 
    group_by(gear) %>% 
    mutate(res=residuals(lm(deparse(substitute(mpg~disp)))))

将 dplyr::do() 与 dplyr::mutate 组合？

Combining dplyr::do() with dplyr::mutate?

r

dplyr