如何用向量化方式为嵌套数据批量应用模型并动态命名列表列？

问题背景 #

手动将多组模型应用到嵌套数据中，为tibble的列表列命名，但模型数量较多时手动编写效率极低，需要用向量化方式替代，核心难点是动态分配列名。目标是得到每行对应一个因变量的tibble，第一列为因变量字符向量，后续各列为对应命名的lm模型列表列。

示例代码（reprex） #

library(tidyverse)

set.seed(123) # 增加随机种子保证结果可复现
data <- mtcars |>
  mutate(c1  = rbinom(nrow(mtcars), prob=0.05, size = 1),
         c2 = rbinom(nrow(mtcars), prob = 0.1, size =1),
         c3 = rbinom(nrow(mtcars), prob = 0.5, size = 1))

candidates <- c("c1","c2","c3")
covars <- c("disp","hp","drat","wt")
outcomes <- c("mpg","qsec")

dat_long <- data |>
  pivot_longer(cols=all_of(outcomes), names_to = "outcome", values_to = "value")

dat_n <- dat_long |>
  group_by(cyl) |>
  nest()

# 定义各个模型函数
c1_mod <- function(df){
  lm(value ~ c1 + disp + hp, data = df)
}

c2_mod <- function(df){
  lm(value ~ c2 + disp + drat, data = df)
}

c3_mod <- function(df){
  lm(value ~ c3 + drat + wt, data = df)
}

# 手动添加模型列的方式（需优化）
dat_n_manual <- dat_n |>
  mutate(c1 = map(data, c1_mod),
         c2 = map(data, c2_mod),
         c3 = map(data, c3_mod))

解决方案 #

以下三种简洁的向量化实现方式，核心是将模型函数与目标列名绑定，动态生成列：

方法1：使用mutate配合大爆炸运算符!!!

先将模型函数整理成命名列表，再用!!!将列表展开为mutate的参数，一次性生成所有模型列：

# 构造命名模型函数列表，键即为目标列名
model_funs <- list(
  c1 = c1_mod,
  c2 = c2_mod,
  c3 = c3_mod
)

# 批量添加模型列
dat_n <- dat_n |>
  mutate(!!!map(model_funs, \(fun) map(data, fun)))

方法2：使用purrr::reduce逐列添加

适合需要逐步处理的场景，逐个遍历模型函数列表并动态添加列：

dat_n <- dat_n |>
  reduce(names(model_funs), \(current_dat, col_name) {
    current_dat |> 
      mutate(!!sym(col_name) := map(data, model_funs[[col_name]]))
  }, .init = dat_n)

这里!!sym(col_name)将字符型列名转换为mutate可识别的符号，实现动态列名赋值。

方法3：生成模型列后绑定到原tibble

先单独生成所有模型列表列，再用bind_cols合并到原数据：

# 生成包含所有模型列的tibble
model_cols <- map(model_funs, \(fun) map(dat_n$data, fun)) |>
  as_tibble()

# 合并到原数据
dat_n <- dat_n |> bind_cols(model_cols)

原尝试失败的原因 #

1. 循环传递的是索引而非模型函数，未正确引用目标模型；
2. R函数参数为传值机制，循环内对dat_n的修改不会影响外部变量；
3. 未使用动态列名语法（如!!sym()），无法将字符转为合法列名。

内容的提问来源于stack exchange，提问作者Claire Welsh