dplyr, bir veri çerçevesinin bir işleviyle özetler

Question

dplyr paketini kullanarak bir rutin yürütme konusunda sorun yaşıyorum. Kısacası, veri çerçevesini girdi olarak alan ve tek (sayısal) bir değer döndüren bir işlevim var; Bu işlevi bir veri çerçevesinin birkaç alt kümesine uygulayabilmek istiyorum. Dataframe alt kümelerini belirtmek için group_by() yöntemini kullanabiliyormuşum gibi hissettiriyor, sonra summarize() işlevine kadar boruya atıyorum, ancak (alt) veri çerçevesini I 'işlevine nasıl geçireceğimi bilmiyorum uygulamaktan hoşlanırım.

basitleştirilmiş bir örnek olarak

, ı iris veri kümesini kullanıyorum diyelim, ben birkaç veri alt kümeleri için uygulamak istediğiniz oldukça basit bir işlevi var:

data(iris) 
lm.func = function(.data){ 
    lm.fit = lm(Petal.Width ~ Petal.Length, data = .data) 
    out = summary(lm.fit)$coefficients[2,1] 
    return(out) 
} 

Şimdi, bu işlevi iris alt kümelerine Türler gibi başka bir değişkeni temel alarak uygulamak istiyorum. El ile örneğin, benim işlevine birlikte daha sonra, boru verilere filtre açabiliyorum:

iris %>% filter(Species == "setosa") %>% lm.func(.) 

Ama verilerinher alt küme lm.func uygulayabilecektir istiyorum türüne göre. benim fikrim lm.func işlevine iris her alt kümesini geçmek denemektir,

iris %>% group_by(Species) %>% summarize(coef.val = lm.func(.)) 

bildiğim halde bu işe yaramazsa: İlk düşüncem aşağıdaki gibi çalışmaktır. Veri sınırlı olduğunda gruplama değişkenin her bir seviye ile, bir birinci ve lm.func çıkışı ile ikinci bir -

iki sütunlu bir dataframe ile bitirmek için de açıklığa kavuşturmak gruplama değişkeni tarafından belirtilen bir alt kümesi.

Bu şekilde summarize() kullanmak mümkün mü?

Answer 1

Sen bir işlev oluşturmadan yapmanın kolay bir yolu yoktur do

iris %>% 
     group_by(Species) %>% 
     do(data.frame(coef.val=lm.func(.))) 
#  Species coef.val 
#1  setosa 0.2012451 
#2 versicolor 0.3310536 
#3 virginica 0.1602970 

Answer 2

ile deneyebilirsiniz.

library(broom) 
models <-iris %>% 
    group_by(Species) %>% 
    do(
    mod = lm(Petal.Width ~ Petal.Length, data =.) 
) 

    models %>% do(tidy(.$mod)) 

      term estimate std.error statistic  p.value 
1 (Intercept) -0.04822033 0.12164115 -0.3964146 6.935561e-01 
2 Petal.Length 0.20124509 0.08263253 2.4354220 1.863892e-02 
3 (Intercept) -0.08428835 0.16070140 -0.5245029 6.023428e-01 
4 Petal.Length 0.33105360 0.03750041 8.8279995 1.271916e-11 
5 (Intercept) 1.13603130 0.37936622 2.9945505 4.336312e-03 
6 Petal.Length 0.16029696 0.06800119 2.3572668 2.253577e-02