循环或使用应用函数使用自定义函数创建新变量

如何解决循环或使用应用函数使用自定义函数创建新变量

我编写了一个函数,根据另一个变量的级别创建一个新变量。我想重复使用该函数来创建一堆新变量,然后在不同的回归中使用它们。我想知道最容易理解和最灵活的方法是使用 for 循环或某种应用函数。

library(tidyverse)
library(estimatr)
treatment_maker <- function(magnitude_change_level) {
  mtcars %>% mutate("treatment_magnitude_{{magnitude_change_level}}":=ifelse(cyl>magnitude_change_level,1,0))
}
#Now I want to loop over the magnitude change levels from 5 to 7,rather than copy and pasting
mtcars <- treatment_maker(5)
mtcars <- treatment_maker(6)
#Then run a seperate regression on each variable
lm_robust(mpg ~ treatment_magnitude_5,data = mtcars) %>% tidy()
lm_robust(mpg ~ treatment_magnitude_6,data = mtcars) %>% tidy()

解决方法

我们可以使用 map 来遍历幅度级别,使用“treatment_maker”创建二进制列,应用 lm_robust,获得 tidy 输出并绑定 {{1}使用 list

将元素添加到单个数据集
_dfr

-改变了函数,使其可以在循环中工作

library(purrr)
library(dplyr)
library(broom)
library(tidyr)
library(stringr)
library(estimatr)

现在,应用函数

treatment_maker <- function(magnitude_change_level) {
    
   mtcars %>% 
      mutate(!!paste0("treatment_magnitude_",magnitude_change_level):=
         as.integer(cyl > magnitude_change_level))
 }

-输出

map_dfr(as.numeric(1:10),~ treatment_maker(.x) %>%
     summarise(out = list(lm_robust(reformulate(str_c('treatment_magnitude_',.x),response = 'mpg'),data = cur_data()) %>% tidy)) %>%
       unnest(c(out)))

检查 OP 的代码

# A tibble: 20 x 9
   term                   estimate std.error statistic   p.value conf.low conf.high    df outcome
   <chr>                     <dbl>     <dbl>     <dbl>     <dbl>    <dbl>     <dbl> <dbl> <chr>  
 1 (Intercept)               20.1       1.07     18.9   1.53e-18     17.9     22.3     31 mpg    
 2 treatment_magnitude_1     NA        NA        NA    NA            NA       NA       NA mpg    
 3 (Intercept)               20.1       1.07     18.9   1.53e-18     17.9     22.3     31 mpg    
 4 treatment_magnitude_2     NA        NA        NA    NA            NA       NA       NA mpg    
 5 (Intercept)               20.1       1.07     18.9   1.53e-18     17.9     22.3     31 mpg    
 6 treatment_magnitude_3     NA        NA        NA    NA            NA       NA       NA mpg    
 7 (Intercept)               26.7       1.36     19.6   1.17e-18     23.9     29.4     30 mpg    
 8 treatment_magnitude_4    -10.0       1.52     -6.57  2.84e- 7    -13.1     -6.90    30 mpg    
 9 (Intercept)               26.7       1.36     19.6   1.17e-18     23.9     29.4     30 mpg    
10 treatment_magnitude_5    -10.0       1.52     -6.57  2.84e- 7    -13.1     -6.90    30 mpg    
11 (Intercept)               24.0       1.17     20.4   3.68e-19     21.6     26.4     30 mpg    
12 treatment_magnitude_6     -8.87      1.36     -6.53  3.17e- 7    -11.6     -6.10    30 mpg    
13 (Intercept)               24.0       1.17     20.4   3.68e-19     21.6     26.4     30 mpg    
14 treatment_magnitude_7     -8.87      1.36     -6.53  3.17e- 7    -11.6     -6.10    30 mpg    
15 (Intercept)               20.1       1.07     18.9   1.53e-18     17.9     22.3     31 mpg    
16 treatment_magnitude_8     NA        NA        NA    NA            NA       NA       NA mpg    
17 (Intercept)               20.1       1.07     18.9   1.53e-18     17.9     22.3     31 mpg    
18 treatment_magnitude_9     NA        NA        NA    NA            NA       NA       NA mpg    
19 (Intercept)               20.1       1.07     18.9   1.53e-18     17.9     22.3     31 mpg    
20 treatment_magnitude_10    NA        NA        NA    NA            NA       NA       NA mpg    

或者作为另一个例子

mtcars1 <- treatment_maker(1)
> lm_robust(mpg ~ treatment_magnitude_1,data = mtcars1) %>% tidy()
1 coefficient  not defined because the design matrix is rank deficient

                   term estimate std.error statistic      p.value conf.low conf.high df outcome
1           (Intercept) 20.09062  1.065424  18.85693 1.526151e-18 17.91768  22.26357 31     mpg
2 treatment_magnitude_1       NA        NA        NA           NA       NA        NA NA     mpg

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。

相关推荐


使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -&gt; systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping(&quot;/hires&quot;) public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate&lt;String
使用vite构建项目报错 C:\Users\ychen\work&gt;npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-
参考1 参考2 解决方案 # 点击安装源 协议选择 http:// 路径填写 mirrors.aliyun.com/centos/8.3.2011/BaseOS/x86_64/os URL类型 软件库URL 其他路径 # 版本 7 mirrors.aliyun.com/centos/7/os/x86
报错1 [root@slave1 data_mocker]# kafka-console-consumer.sh --bootstrap-server slave1:9092 --topic topic_db [2023-12-19 18:31:12,770] WARN [Consumer clie
错误1 # 重写数据 hive (edu)&gt; insert overwrite table dwd_trade_cart_add_inc &gt; select data.id, &gt; data.user_id, &gt; data.course_id, &gt; date_format(
错误1 hive (edu)&gt; insert into huanhuan values(1,&#39;haoge&#39;); Query ID = root_20240110071417_fe1517ad-3607-41f4-bdcf-d00b98ac443e Total jobs = 1
报错1:执行到如下就不执行了,没有显示Successfully registered new MBean. [root@slave1 bin]# /usr/local/software/flume-1.9.0/bin/flume-ng agent -n a1 -c /usr/local/softwa
虚拟及没有启动任何服务器查看jps会显示jps,如果没有显示任何东西 [root@slave2 ~]# jps 9647 Jps 解决方案 # 进入/tmp查看 [root@slave1 dfs]# cd /tmp [root@slave1 tmp]# ll 总用量 48 drwxr-xr-x. 2
报错1 hive&gt; show databases; OK Failed with exception java.io.IOException:java.lang.RuntimeException: Error in configuring object Time taken: 0.474 se
报错1 [root@localhost ~]# vim -bash: vim: 未找到命令 安装vim yum -y install vim* # 查看是否安装成功 [root@hadoop01 hadoop]# rpm -qa |grep vim vim-X11-7.4.629-8.el7_9.x
修改hadoop配置 vi /usr/local/software/hadoop-2.9.2/etc/hadoop/yarn-site.xml # 添加如下 &lt;configuration&gt; &lt;property&gt; &lt;name&gt;yarn.nodemanager.res