如何用purrr为mtcars分组模型生成全数据集预测值？

要得到包含3个元素、每个元素对应32个预测值的列表，核心是确保每个分组拟合的模型都对完整的mtcars数据集做预测，而不是仅对分组子集预测。以下是修正后的代码和说明：

完整代码示例 #

# 加载tidyverse（包含purrr）
library(tidyverse)

# 步骤1：按cyl拆分数据集
cyl_groups <- split(mtcars, mtcars$cyl)

# 步骤2：为每个分组拟合线性模型
cyl_models <- map(cyl_groups, ~lm(qsec ~ hp, data = .x))

# 步骤3：用每个模型对整个mtcars数据集做预测
full_predictions <- map(cyl_models, ~predict(.x, newdata = mtcars))

也可以用管道简化为链式操作：

full_predictions <- mtcars %>%
  split(.$cyl) %>%
  map(~lm(qsec ~ hp, data = .x)) %>%
  map(~predict(.x, newdata = mtcars))

问题原因说明 #

你之前的代码应该是在predict时将newdata指定为了拆分后的分组子集（比如newdata = .x），导致每个模型仅预测自身分组的行，所以每个元素的长度小于32。修正后将newdata明确设为完整的mtcars，每个模型都会对全部32行数据生成预测值，最终得到的列表就会包含3个各含32个值的元素。

内容的提问来源于stack exchange，提问作者T. K.