R语言：使用mutate调用多输出自定义回归函数时结果重复的问题排查与解决方案

为什么所有行返回相同结果？ #

问题出在向量化操作和全局变量依赖的结合上：

• 当你在mutate里直接调用reggers(comp_id)时，comp_id是整个列（长度为5的向量），而非逐行的单个公司ID。
• 你的reggers函数里用filter(comp_id == x)，这里的x是整个向量，==会做向量化匹配，等价于comp_id %in% x——也就是筛选出了所有公司的全部数据，然后跑了一次全局回归，所以所有行都返回这个全局回归的结果。
• 单独运行时你传的是单个ID，函数筛选对应公司的数据，所以结果和全局回归不同。

解决方案 #

这里有两种简洁的方法实现逐行计算：

方法1：用rowwise()强制逐行处理

在mutate前加上rowwise()，让comp_id逐行传入函数：

library(tidyverse)

companies <- data.frame(comp_id = 1:5)
individuals <- data.frame(id = 1:100, comp_id = sample(1:5, 100, replace = T), age = sample(18:67, 100, replace = T), wage = sample(1700:10000, 100, replace = T))

reggers <- function(x){
  df <- individuals %>% filter(comp_id == x)
  formula <- wage ~ age
  regression <- lm(formula, df)
  res <- list(coeff = summary(regression)$coefficient[2,1], p = summary(regression)$coefficients[2,4], r2 = summary(regression)$r.squared)
  return(res)
}

# 修改后的代码
companies %>% 
  rowwise() %>% 
  mutate(data = list(reggers(comp_id))) %>% 
  unnest_wider(data) %>%
  ungroup() # 记得取消rowwise，避免后续操作受影响

方法2：用purrr::map_dfr（更简洁高效）

map_dfr会自动遍历comp_id的每个元素，将函数结果整合成数据框，无需手动unnest：

companies %>% 
  mutate(map_dfr(comp_id, reggers))

额外优化：让函数更健壮 #

你的函数依赖全局变量individuals，这在复杂项目里容易出错。可以把数据集作为参数传入函数：

reggers <- function(x, data){
  sub_df <- data %>% filter(comp_id == x)
  formula <- wage ~ age
  regression <- lm(formula, sub_df)
  # 直接返回tibble，比list更方便后续处理
  tibble(
    coeff = summary(regression)$coefficient[2,1],
    p = summary(regression)$coefficients[2,4],
    r2 = summary(regression)$r.squared
  )
}

# 调用时传入数据集
companies %>% 
  mutate(map_dfr(comp_id, reggers, data = individuals))

这样修改后，函数不再依赖全局变量，复用性和安全性都更高，同时也能完美实现你需要的逐公司计算需求。

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