提取模型摘要并将其存储为新列

Posted 2023-02-15

【中文标题】提取模型摘要并将其存储为新列

【英文标题】：Extract model summaries and store them as a new column

【发布时间】：2017-04-17 06:00:41

【问题描述】：

我是 purrr 范式的新手，我正在努力解决它。

根据一些资料，我已经设法嵌套数据框，对嵌套数据运行线性模型，从每个 lm 中提取一些系数，并为每个 lm 生成摘要。我想做的最后一件事是从摘要中提取“r.squared”（我原以为这是我想要实现的最简单的部分），但无论出于何种原因，我都无法获得语法正确的。

这是我所拥有的 MWE：

library(purrr)
library(dplyr)
library(tidyr)

mtcars %>%
  nest(-cyl) %>%
  mutate(fit = map(data, ~lm(mpg ~ wt, data = .)),
         sum = map(fit, ~summary))

这是我提取失败的 r.squared 的尝试：

mtcars %>%
  nest(-cyl) %>%
  mutate(fit = map(data, ~lm(mpg ~ wt, data = .)),
         sum = map(fit, ~summary),
         rsq = map_dbl(sum, "r.squared"))

Error in eval(substitute(expr), envir, enclos) : 
  `x` must be a vector (not a closure)

这与 RStudio 网站上给出的示例表面上相似：

mtcars %>%
  split(.$cyl) %>%
  map(~ lm(mpg ~ wt, data = .x)) %>%
  map(summary) %>%
  map_dbl("r.squared")

这可行，但是我希望 r.squared 值位于新列中（因此是 mutate 语句），并且我想了解为什么我的代码无法正常工作，而不是解决问题。

编辑：

这是一个可行的解决方案，我使用以下解决方案：

mtcars %>%
      nest(-cyl) %>% 
      mutate(fit = map(data, ~lm(mpg ~ wt, data = .)),
             summary = map(fit, glance),
             r_sq = map_dbl(summary, "r.squared"))

编辑2：

因此，实际上该错误来自于在 summary = map(fit, ~summary) 行中包含波浪号键。我的猜测是使对象成为嵌套的函数，而不是摘要本身返回的对象。如果有人想插话，希望对此有权威的回答。

需要明确的是，这个版本的原始代码可以正常工作：

mtcars %>%
  nest(-cyl) %>%
  mutate(fit = map(data, ~lm(mpg ~ wt, data = .)),
         summary = map(fit, summary),
         r_sq = map_dbl(summary, "r.squared"))

【参考方案1】：

为了适应您当前的管道，您需要使用 unnest 以及 broom 包中的 map 和 glance。

library(tidyr)
library(dplyr)
library(broom)

mtcars %>%
  nest(-cyl) %>%
  mutate(fit = map(data, ~lm(mpg ~ wt, data = .))) %>% 
  unnest(map(fit, glance))

您将获得的不仅仅是 r-squared，您还可以使用 select 删除不需要的内容。

如果您想将模型摘要嵌套在列表列中：

mtcars %>%
  nest(-cyl) %>% 
  mutate(fit = map(data, ~lm(mpg ~ wt, data = .)),
         summary = map(fit, glance)) 

如果您只想从嵌套框架中提取单个值，您只需将map 用于实际值（而不是我最初建议的[[ 或extract2，非常感谢您发现这一点） .

mtcars %>%
  nest(-cyl) %>% 
  mutate(fit = map(data, ~lm(mpg ~ wt, data = .)),
         summary = map(fit, glance),
         r_sq = map_dbl(summary, "r.squared"))

【讨论】：

嗯，这似乎是我想要做的，我只是对为什么以这种方式构造代码感到困惑。我不明白你为什么要取消数据？你能解释一下吗？感谢您的回答！

使用unnest 将数据框从列表列中取出，并将所有可用列分散到父数据框。您可以将其保持嵌套，但无法直接访问 r-squared 列。我将更新答案以使代码没有unnest。

所以 unnest 是针对 map(fit, ~glance) 语句的结果，我认为它是在取消嵌套嵌套的小标题（这是我感到困惑的地方）。这种方法也规避了使用摘要制作总和列的要求，对吧？如果我明白；第二个版本中的 coeffs 列将包含相同的信息（尽管格式不同）。我有没有办法从总和列中提取“r.squared”？只是我看到自己再次碰到了这堵墙，我有一个嵌套列表，我只想从中提取一个元素。

你是对的。我添加了用于从列表列中的嵌套数据框中提取单列的方法。我还清理了代码，有 2 个汇总图毫无意义，可以通过将 glance 映射到 fit 一步完成。

奇怪的是，我编写 map_dbl 行的方式没有任何问题，只是无法处理摘要返回的对象。与一瞥完美结合。好像有点奇怪。。

【参考方案2】：

一定有更好的方法，这是我对管道的尝试：

mtcars %>%
  split(.$cyl) %>%
  map(~ lm(mpg ~ wt, data = .x)) %>%
  map(summary) %>%
  map_dbl("r.squared") %>% 
  list() %>% 
  as.data.frame(col.names = "r.squared") %>% 
  add_rownames(var = "cyl")

# # A tibble: 3 × 2
#     cyl r.squared
#   <chr>     <dbl>
# 1     4 0.5086326
# 2     6 0.4645102
# 3     8 0.4229655

注意：您可能会收到以下警告。

警告消息：已弃用，请改用 tibble::rownames_to_column()。

【讨论】：

谢谢，确实有更好的办法；检查我在 OP 上的编辑

@zx8754 我很难理解为什么map_dbl("r.squared") 在这个例子中起作用。我的意思是"r.squared" 不是一个函数，那么这个提取究竟是如何进行或应用的呢？你能澄清一下吗？ :)

【参考方案3】：

我认为对于您想要实现的目标，您最好使用 broom 包中的 glance() 函数：

library(broom)
library(dplyr)
mtcars %>%
  group_by(cyl) %>%
  do(glance(lm(mpg ~ wt, data = .))) %>%
  select(cyl, r.squared)
#    cyl r.squared
#  <dbl>     <dbl>
#1     4 0.5086326
#2     6 0.4645102
#3     8 0.4229655

【讨论】：

这确实得到了所需的输出，但是（抱歉我很挑剔）我真的很想找到一个在我拥有的当前管道中工作的实现。我确信有一种方法，这只是获得正确语法的一个例子。感谢您的回答

如果你想要的只是 lm 模型的结果，这是一个更简单的答案。但是，@jake-kaupp 的解决方案保留了解决方案中的原始变量和模型，这在某些情况下可能很有用，例如从用户定义的函数返回输出。