R数据表循环子集by factor和do lm（） [英] R data.table loop subset by factor and do lm()
问题描述
df < - data.frame（id = letters [1：3]，
cyl = sample（c（a，b，c），30，replace = TRUE），
factor = sample（c（TRUE，FALSE），30，replace = TRUE），
hp = sample（c（20:50），30，replace = TRUE））
dt = as.data.table（df）
fit< （hp〜cyl + factor，data = df）#how我得到[i]在这里工作子集和迭代每个因素，也做在data.table语法？
预期结果是sopmething，如fit [1] model，fit [2] model等。 p>
我知道你想用数据表来做，如果你想要一些特定的方面， @ MartinBel的方法是一个好的。
另一方面，如果你想存储适合自己， lapply（...）更好的选项：
set.seed（1）
df< - data.frame（id = letters [ 1：3]，
cyl = sample（c（a，b，c），30，replace = TRUE），
factor = sample（c（TRUE，FALSE） 30，replace = TRUE），
hp = sample（c（20:50），30，replace = TRUE））
dt< - data.table（df，key =id）
fit< - lapply（unique（df $ id），
function（z）lm（hp〜cyl + factor，data = dt [J（z），]，y = T ）
＃系数
sapply（fits，coef）
＃[，1] [，2] [，3]
＃（截取）44.117647 35.000000 3.933333e + 01
＃cylb -6.117647 -6.321429 -1.266667e + 01
＃cylc -13.176471 3.821429 -7.833333e + 00
＃factorTRUE 1.176471 5.535714 2.325797e-15
＃predict值
sapply（fit，predict）
＃[，1] [，2] [，3]
＃1 45.29412 28.67857 26.66667
＃2 32.11765 35.00000 31.50000
＃3 30.94118 34.21429 26.66667
＃...
＃residuals
sapply（fits，residuals）
＃[，1] [，2]
＃1 2.7058824 0.3214286 7.333333
＃2 -2.1176471 5.0000000 -4.500000
＃3 3.0588235 8.7857143 -4.666667
＃...
＃se和r -sq
sapply（fit，function（x）c（se = summary（x）$ sigma，rsq = summary（x）$ r.squared））
＃[，1] [，3]
＃se 7.923655 8.6358196 6.4592741
＃rsq 0.463076 0.3069017 0.4957024
＃QQ绘图
par（mfrow = c（1，length（fits）） ）
lapply（fit，plot，2）
注意使用 key =id code>在 data.table（...）的调用中，使用if dt [J（z）] 子集数据表。这真的是没有必要的，除非 dt 是巨大的。
I am trying to create a function or even just work out how to run a loop using data.table syntax where I can subset the table by factor, in this case the id variable, then run a linear model on each subset and out the results. Sample data below.
df <- data.frame(id = letters[1:3],
cyl = sample(c("a","b","c"), 30, replace = TRUE),
factor = sample(c(TRUE, FALSE), 30, replace = TRUE),
hp = sample(c(20:50), 30, replace = TRUE))
dt=as.data.table(df)
fit <- lm(hp ~ cyl + factor, data = df) #how do I get the [i] to work here to subset and iterate by each factor and also do it in data.table syntax?
Expected outcome is sopmething like fit[1] model, fit[2] model etc..
I know you want to do this with data tables, and if you want some specific aspect of the fit, like the coefficients, then @MartinBel's approach is a good one.
On the other hand, if you want to store the fits themselves, lapply(...) might be a better option:
set.seed(1)
df <- data.frame(id = letters[1:3],
cyl = sample(c("a","b","c"), 30, replace = TRUE),
factor = sample(c(TRUE, FALSE), 30, replace = TRUE),
hp = sample(c(20:50), 30, replace = TRUE))
dt <- data.table(df,key="id")
fits <- lapply(unique(df$id),
function(z)lm(hp~cyl+factor, data=dt[J(z),], y=T))
# coefficients
sapply(fits,coef)
# [,1] [,2] [,3]
# (Intercept) 44.117647 35.000000 3.933333e+01
# cylb -6.117647 -6.321429 -1.266667e+01
# cylc -13.176471 3.821429 -7.833333e+00
# factorTRUE 1.176471 5.535714 2.325797e-15
# predicted values
sapply(fits,predict)
# [,1] [,2] [,3]
# 1 45.29412 28.67857 26.66667
# 2 32.11765 35.00000 31.50000
# 3 30.94118 34.21429 26.66667
# ...
# residuals
sapply(fits,residuals)
# [,1] [,2] [,3]
# 1 2.7058824 0.3214286 7.333333
# 2 -2.1176471 5.0000000 -4.500000
# 3 3.0588235 8.7857143 -4.666667
# ...
# se and r-sq
sapply(fits, function(x)c(se=summary(x)$sigma, rsq=summary(x)$r.squared))
# [,1] [,2] [,3]
# se 7.923655 8.6358196 6.4592741
# rsq 0.463076 0.3069017 0.4957024
# Q-Q plots
par(mfrow=c(1,length(fits)))
lapply(fits,plot,2)
Note the use of key="id" in the call to data.table(...), and the use if dt[J(z)] to subset the data table. This really isn't necessary unless dt is enormous.
这篇关于R数据表循环子集by factor和do lm（）的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
