如何使用 broom 和 dplyr 将分组数据应用于分组模型？

Question

我想做相当于将 gpm（每英里加仑 = 1/mpg）模型拟合到 mtcars 数据集中的 wt。这看起来很简单：

data(mtcars)
library(dplyr)
library(tidyr)
library(broom)
library(ggplot2)
library(scales)

mtcars2 <-
    mtcars %>%
    mutate(gpm = 1 / mpg) %>%
    group_by(cyl, am)

lm1 <-
    mtcars2 %>%
    do(fit = lm(gpm ~ wt, data = .))

正如预期的那样，我得到了一个包含 6 行的按行数据框。

此图确认有六个组：

p1 <-
    qplot(wt, gpm, data = mtcars2) +
    facet_grid(cyl ~ am) +
    stat_smooth(method='lm',se=FALSE, fullrange = TRUE) +
    scale_x_continuous(limits = c(0,NA))

我可以使用 augment() 来获得拟合输出：

lm1 %>% augment(fit)

这给了我 32 行，正如预期的那样，mtcars2 中的每一行。

现在是挑战：我想使用新数据获得拟合输出，其中我将 wt 增加 cyl/4:

newdata <-
    mtcars2 %>%
    mutate(
        wt = wt + cyl/4)

我希望这会产生一个与 lm1 %>% augment(fit): newdata 中的每一行对应一行大小的数据框，因为 broom 将通过分组变量 cyl 和 newdata 匹配模型和 newdata上午

不幸的是，

pred1 <-
    lm1 %>%
    augment(
        fit,
        newdata = newdata)

给我一个包含 192 行 (= 6 x 32) 的数据框，显然每个模型都适合新数据的每一行。

从其他地方阅读，我了解到 group_by 和行向数据帧不兼容，因此 lm1 未分组，并且 augment 无法关联模型和新数据。是否有另一种设计模式可以让我这样做？如果它像上面的尝试一样简单和透明就好了，但更重要的是它能起作用。

这是我的 sessionInfo():

> sessionInfo()
R version 3.3.1 (2016-06-21)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1

locale:
[1] LC_COLLATE=English_United States.1252 
[2] LC_CTYPE=English_United States.1252   
[3] LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                          
[5] LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] scales_0.4.0  ggplot2_2.1.0 broom_0.4.1   tidyr_0.6.0   dplyr_0.5.0  

loaded via a namespace (and not attached):
 [1] Rcpp_0.12.7      magrittr_1.5     mnormt_1.5-4     munsell_0.4.3   
 [5] colorspace_1.2-6 lattice_0.20-34  R6_2.1.3         stringr_1.1.0   
 [9] plyr_1.8.4       tools_3.3.1      parallel_3.3.1   grid_3.3.1      
[13] nlme_3.1-128     gtable_0.2.0     psych_1.6.9      DBI_0.5-1       
[17] lazyeval_0.2.0   assertthat_0.1   tibble_1.2       reshape2_1.4.1  
[21] labeling_0.3     stringi_1.1.1    compiler_3.3.1   foreign_0.8-67

编辑：

@aosmith：我一直在探索你的第二个选择，我喜欢它。但是，当我在我的真实数据上尝试它时，我在 mutate 命令中遇到了一个问题：它 returns "Error: augment doesn't know how to deal with data of class list"。

我的真实代码更像是：

newdata %>% 
dplyr::select(cyl, am, wt) %>% # wt holds new predictor values
group_by(cyl, am) %>%
nest() %>%
inner_join(regressions, .) %>% 
## looks like yours at this point
mutate(pred = list(augment(fit, newdata = data))) %>% # Error here
unnest(pred)

我说它看起来像你的地方，我的意思是我有以下列（为保持一致性在此处重命名）：ID (chr)、attr1 (dbl)、cyl (dbl)、am (chr)、fit (list ) 和数据（列表）。您有 cyl、am (dbl)、fit 和数据。我将我的 am 更改为 dbl，但这没有帮助。

我认为不同之处在于我在这个样本中有 3 (ID ... 类似于 mtcars 中的行名) x 2 (cyl) x 2 (am) 个单位（每个样本有 12 个测量值），而mtcars 示例有 3 (cyl) x 2 (am) 个单元 x 每个单元随机数量的汽车类型。在我的分析中，我需要查看 ID 值，但 newdata 同样适用于所有单元。如果有帮助，请将其视为应用于测试中每辆汽车的逆风速度。这是否表明 augment 抱怨它无法处理 class 列表的数据？

编辑：将 ID 与新数据合并（使用 full=TRUE）解决了最后一个问题。我目前正在使用您提出的第一个解决方案。

Answer 1

对于这种情况，我使用了包 purrr 中的 map2。 map2 同时循环遍历两个列表的元素。列表的长度和顺序必须相同。

列表的元素用作您要应用的某些函数的参数（augment，在您的例子中）。这里你的两个列表将是一个模型列表和一个数据集列表（每个 cyl/am 组合一个列表）。

使用 map2_df return 将结果作为 data.frame 而不是列表。

library(purrr)

我制作了 data.frame 的列表以使用 split 进行预测。要拆分的因素的顺序决定了列表顺序，因此我确保它与 lm1 的顺序相同。

test_split = split(newdata, list(newdata$am, newdata$cyl)

map2_df(lm1$fit, test_split, ~augment(.x, newdata = .y))

为了避免太担心顺序，您可以按组 nest 预测数据，将其加入 lm1，return augment 的结果作为取消嵌套的列表。

newdata %>%
    group_by(cyl, am) %>%
    nest() %>%
    inner_join(lm1, .) %>%
    mutate(pred = list(augment(fit, newdata = data))) %>%
    unnest(pred)

如何使用 broom 和 dplyr 将分组数据应用于分组模型？

How can I apply grouped data to grouped models using broom and dplyr?

r

dplyr

broom