如何解决如何使用data.table在所有列组合上找到线性回归
我正在尝试为每个可能的变量组合找到 iris
数据集组之间的线性回归。由于这是一个玩具示例,因此很容易对每个变量集分别进行线性回归并连接结果。但是,由于 data.table
具有大量列,因此很难找到所有组之间的线性回归。
library(data.table)
dt = copy(iris)
setDT(dt)[,.(model1 = lm(Sepal.Length ~ Petal.Width,.SD)$coeff[2],model2 = lm(Petal.Width ~ Sepal.Length,.SD)$coeff[2]),by = Species]
Species model1 model2
1: setosa 0.9301727 0.08314444
2: versicolor 1.4263647 0.20935719
3: virginica 0.6508306 0.12141646
setDT(dt)[,.(model1 = lm(Sepal.Width ~ Petal.Length,model2 = lm(Petal.Length ~ Sepal.Width,by = Species]
Species model1 model2
1: setosa 0.3878739 0.0814112
2: versicolor 0.3743068 0.8393782
3: virginica 0.2343482 0.6863153
setDT(dt)[,.(model1 = lm(Sepal.Width ~ Sepal.Length,model2 = lm(Sepal.Length ~ Sepal.Width,by = Species]
Species model1 model2
1: setosa 0.7985283 0.6904897
2: versicolor 0.3197193 0.8650777
3: virginica 0.2318905 0.9015345
setDT(dt)[,.(model1 = lm(Petal.Width ~ Petal.Length,model2 = lm(Petal.Length ~ Petal.Width,by = Species]
Species model1 model2
1: setosa 0.2012451 0.5464903
2: versicolor 0.3310536 1.8693247
3: virginica 0.1602970 0.6472593
不是分别对每组变量进行线性回归,是否可以使用 data.table 轻松完成?我想要的输出如下-
Species Variable1 Variable2 model1 model2
setosa Sepal.Length Petal.Width 0.9301727 0.08314444
versicolor Sepal.Length Petal.Width 1.4263647 0.20935719
virginica Sepal.Length Petal.Width 0.6508306 0.12141646
setosa Sepal.Width Petal.Length 0.3878739 0.0814112
versicolor Sepal.Width Petal.Length 0.3743068 0.8393782
virginica Sepal.Width Petal.Length 0.2343482 0.6863153
setosa Sepal.Width Sepal.Length 0.7985283 0.6904897
versicolor Sepal.Width Sepal.Length 0.3197193 0.8650777
virginica Sepal.Width Sepal.Length 0.2318905 0.9015345
setosa Petal.Width Petal.Length 0.2012451 0.5464903
versicolor Petal.Width Petal.Length 0.3310536 1.8693247
virginica Petal.Width Petal.Length 0.1602970 0.6472593
解决方法
我们可以使用 combn
创建一个 list
的公式,在 'iris' 的列名('Species' 除外)上带有 reformulate
,然后循环遍历 {{1} } 按数据中的“物种”分组,应用 list
并提取 lm
icients
coeff
-输出
library(data.table)
lst1 <- combn(names(iris)[-5],2,FUN =
function(x) reformulate(x[1],x[2]),simplify = FALSE)
dt = copy(iris)
out <- setDT(dt)[,lapply(lst1,function(fmla)
lm(fmla,.SD)$coeff),by = Species]
setnames(out,-1,sapply(lst1,deparse))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。