Как использовать map из purrr и mutate из dplyr для создания сводной таблицы glm? - PullRequest
Новая
       11

Как использовать map из purrr и mutate из dplyr для создания сводной таблицы glm?

0 голосов
/ 29 декабря 2018

Я использую пакеты purrr и broom для создания серии glm и создания таблицы с информацией о моделях, чтобы я мог их сравнить.

Код не работает, когда я вызываю функцию map из purrr.Я думаю, что проблема связана с сочетанием мутации и карты.Я хочу создать таблицу со строкой для каждого glm и столбцами для компонентов glm.

DATA & CODE 

library(broom)
library(tidyverse)

# Produce a dummy dataset
set.seed(123)
dummy <- tibble(ID = 1:50,
                A = sample(x = 1:200, size = 50, replace = T),
                B = as.factor(sample(x = c("day", "night"), size = 50, replace = T)),
                C = as.factor(sample(x = c("blue", "red", "green"), size = 50, replace = T)))

# Nest the data
nested <- dummy %>% select(-ID) %>% nest()

# Define a function for a generalized linear model with a poisson family
mod_f <- function(x, df = nested) {glm(formula = as.formula(x), family = poisson, data = df)}

# Make a list of formulas as a column in a new dataframe
# A is our response variable that we try to predict using B and C
formulas <- c("A ~ 1", "A ~ B", "A ~ C", "A ~ B + C")
tbl <- tibble(forms = formulas)

# Fit the glm's using each of the formulas from the formulas vector
tbl_2 <- tbl %>% mutate(mods = map(formulas, mod_f))
        #gla = mods %>% map(glance),
        #tid = mods %>% map(tidy),
        #aug = mods %>% map(augment),
        #AIC = gla %>% map_dbl("AIC"))

ERROR

Ошибка в mutate_impl (.data, dots): Ошибка оценки: объект 'A' не найден

Ответы [ 2 ]

0 голосов
/ 31 декабря 2018

Окончательный ответ, предоставленный другим пользователем Stackoverflow: 

library(broom)
library(tidyverse)

# Produce a dummy dataset
set.seed(123)
dummy <- tibble(ID = 1:50,
                A = sample(x = 1:200, size = 50, replace = T),
                B = as.factor(sample(x = c("day", "night"), size = 50, replace = T)),
                C = as.factor(sample(x = c("blue", "red", "green"), size = 50, replace = T)))

# Define a function for a generalized linear model with a poisson family
mod_f <- function(x) {glm(formula = as.formula(x), family = poisson, data = dummy)}

# Make a list of formulas as a column in a new dataframe
# A is yhe response variable we try to predict using B and C
formulas <- c("A ~ 1", "A ~ B", "A ~ C", "A ~ B + C")
tbl <- tibble(forms = formulas)

# Fit the glm using each of the formulas stored in the formulas vector
tbl_2 <- tbl %>% mutate(all = map(formulas, mod_f),
                        gla = all %>% map(glance),
                        tid = all %>% map(tidy),
                        aug = all %>% map(augment),
                        AIC = all%>% map_dbl("AIC"))
0 голосов
/ 29 декабря 2018

Вы допустили ошибку в своей функции: вы вызвали df вместо dummy. Не уверен, что вы можете сделать рефакторинг для его обобщения.Здесь: 

   mod_f <- function(x, df = nested) {glm(formula = as.formula(x), family = poisson, data = dummy)}

# Make a list of formulas as a column in a new dataframe
# A is our response variable that we try to predict using B and C

    formulas <- c("A ~ 1", "A ~ B", "A ~ C", "A ~ B + C")
    tbl <- tibble(forms = formulas)

    # Fit the glm's using each of the formulas from the formulas vector
    tbl_2 <- tbl %>% mutate(mods = map(formulas, mod_f))

Это дает: 

forms     mods     
  <chr>     <list>   
1 A ~ 1     <S3: glm>
2 A ~ B     <S3: glm>
3 A ~ C     <S3: glm>
4 A ~ B + C <S3: glm>
    `Map(mod_f,formulas)`

доходность и так далее: 

$`A ~ 1`

Call:  glm(formula = as.formula(x), family = poisson, data = dummy)

Coefficients:
(Intercept)  
      4.649  

Degrees of Freedom: 49 Total (i.e. Null);  49 Residual
Null Deviance:      1840 
Residual Deviance: 1840     AIC: 2154
...