如何在R中批量对多列y数据执行非线性回归并保存参数？

针对你的需求，推荐使用R语言的tidyverse生态工具（purrr + dplyr + tibble）实现批量拟合与参数整理，代码简洁且易维护：

1. 构造示例数据（模拟你的实验数据结构） #

set.seed(123)
x <- seq(0, 10, by = 0.5)
df <- tibble(
  x = x,
  y1 = x + 2*sqrt(0.8*x/2 + 1) + rnorm(length(x), 0, 0.2),
  y2 = x + 3*sqrt(0.6*x/3 + 1) + rnorm(length(x), 0, 0.2),
  y3 = x + 1.5*sqrt(1.2*x/1.5 + 1) + rnorm(length(x), 0, 0.2)
)

2. 定义单个列的拟合函数 #

为了处理拟合失败的情况，加入tryCatch捕获错误，避免整个批量流程中断：

fit_nls <- function(y_vals, x_vals) {
  # 初始值需根据你的实际数据调整，nls对初始值敏感度高
  start_params <- list(a = 1, b = 1)
  
  fit_result <- tryCatch(
    nls(y_vals ~ x_vals + a*sqrt(b*x_vals/a + 1), 
        start = start_params, 
        data = tibble(x = x_vals, y = y_vals)),
    error = function(e) NULL
  )
  
  if (!is.null(fit_result)) {
    coefs <- coef(fit_result)
    tibble(a = coefs["a"], b = coefs["b"])
  } else {
    tibble(a = NA_real_, b = NA_real_)
  }
}

3. 批量拟合并整理参数表格 #

通过函数链完成批量处理，最终生成以原y列名为表头、参数a/b为行的结果表格：

library(tidyverse)

param_table <- df %>%
  select(-x) %>%  # 提取所有待拟合的y列
  map_dfc(~ fit_nls(.x, df$x)) %>%  # 对每个y列执行拟合，列绑定结果
  mutate(parameter = c("a", "b")) %>%  # 添加参数标识行
  relocate(parameter)  # 将参数列移至首位，方便阅读

关键注意事项 #

• 初始值优化：如果拟合频繁失败，建议根据数据分布调整start_params，比如用线性拟合结果或领域知识估算初始值。
• 错误处理：tryCatch确保某一列拟合失败时，仅该列参数返回NA，不影响整体流程。
• 可读性：使用tidyverse的管道语法，逻辑清晰，后续修改或扩展（如添加更多参数提取）更便捷。

内容的提问来源于stack exchange，提问作者ChrisO