使用dplyr对数据框进行函数汇总

Question

我在使用dplyr包执行例行程序时遇到了一些问题。简而言之，我有一个函数，它以数据框作为输入，并返回单个（数值）值; 我想能够将此函数应用于数据框的几个子集。感觉我应该能够使用group_by()来指定数据框的子集，然后通过管道传递到summarize()函数，但我不知道如何将（子集）数据框传递到我想要应用的函数。

以简化的例子为例，假设我正在使用iris数据集，并且我有一个相当简单的函数，我想将其应用于数据的几个子集：

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

现在，我希望能够将此函数应用于基于其他变量（如“Species”）的 iris 子集。例如，我可以手动过滤数据，然后将其传递到我的函数中：

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

但我希望能够基于物种将 lm.func 应用于数据的 每个 子集。 我最初的想法是尝试以下内容：

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

即使我知道这样做行不通，我的想法是尝试将每个鸢尾花子集传递给lm.func函数。为了澄清，我希望得到一个包含两列的数据框——第一列是分组变量的每个水平，第二列是lm.func的输出结果，当数据被限制在由分组变量指定的子集中时。
使用summarize()可以这样吗？

- Mark T Patterson

---

这解决了问题 - 谢谢akrun！ - Mark T Patterson

Answer 1

你可以尝试使用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

- akrun

Answer 2

有一种简单的方法可以避免创建函数。

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

- user2702330