如何使用 mutate_at 将 sw_glance 应用于嵌套时间序列数据帧？

Question

我在嵌套（分组）df 上预测多个模型。如果我将 sw_glance 分别应用到每个列表列，我的问题就解决了，但是，对于我的示例，如果我应用 6 个模型，那么它要求我变异六次。我花了无数个小时，我想我快到了。为什么我不能执行下面的行并用函数带来的新值覆盖现有变量？（我在下面包含了一个代表，其中第 5 步是我卡住的地方）

models_df%<>% map(~mutate_at(.x,vars(mod_ets,mod_hw)),sw_glance)

仅举几例，列表如下：

-tidyverse 文档，其中提到对于分组变量，mutate_at 会失败，除非我添加 -group_cols()。不行。

-purrr 文档：我尝试 pmap 传递变量列表。我尝试将 map 与 mutate_at 结合使用。我自己试了mutate_at。我试过命名函数 (.f ...) 和匿名函数 (~..)，但什么都没有

-我在这里试了几篇文章，几乎让我到了那里。我升级到 tidyr 1.0，如果需要可以包含我的 sessionInfo()。

#1 dummy df
df=tibble(Tag=seq(as.Date("2010-01-01"),by="month", length.out = 60), gatos=sample(c("a","b"),60, replace = T), sales=runif(60))

#2 nesting 
nested_df= df %>% 
  group_by(gatos) %>% 
  nest()

#3 declaring time series
ts_vector = nested_df %>%
  mutate(data.ts=map(data,tk_ts,select=-Tag,start=c(2010,01),freq=12))

# Step 4: Apply models
models_df = ts_vector %>% 
  mutate(mod_ets = map(data.ts,ets),
         mod_hw = map(data.ts,HoltWinters))

# Step 5: Apply sw_glance (Does NOT work)
models_df %<>%
map(~mutate_at(.x,vars(mod_ets,mod_hw)),sw_glance)

Error in UseMethod("tbl_vars") : 
  no applicable method for 'tbl_vars' applied to an object of class "character"

# This DOES work
models_df %<>% 
  mutate(foo_ets=map(mod_ets,sw_glance),
         foo_hw=map(mod_hw,sw_glance))

我希望 mutate_at 修改现有变量而不必添加新变量。否则，如果可能的话，我将不胜感激如何一次将 sw_glance 应用于多个模型。谢谢你们。非常感谢您的帮助。

Answer 1

我们可以编写一个函数将sw_glance应用于每个模型

library(tidyverse)

apply_models <- function(list_model) map(list_model, sweep::sw_glance)

并使用 mutate_at

将其应用于多个列

models_df %>% mutate_at(vars(mod_ets, mod_hw), apply_models)

#  gatos           data data.ts mod_ets           mod_hw           
#  <chr> <list<df[,2]>> <list>  <list>            <list>           
#1 b           [31 × 2] <ts>    <tibble [1 × 12]> <tibble [1 × 12]>
#2 a           [29 × 2] <ts>    <tibble [1 × 12]> <tibble [1 × 12]>

如何使用 mutate_at 将 sw_glance 应用于嵌套时间序列数据帧？

How to apply sw_glance using mutate_at to nested time-series dataframe?

r

purrr

dplyr

broom