在R语言中按ID分组计算斜率的实现方法

下面是几种在R中实现按ID分组计算斜率的方法，最终都会输出每个ID对应的单独斜率列：

方法1：tidyverse风格（dplyr + broom） #

适合习惯使用tidyverse工具链的用户，代码可读性强：

# 加载依赖包
library(dplyr)
library(broom)

# 分组计算斜率
slope_result <- df %>%
  group_by(ID) %>%
  summarise(slope = coef(lm(LogB ~ Block, data = cur_data()))[["Block"]])

# 查看结果
slope_result

说明：cur_data()用于指代当前分组的数据集，coef(lm(...))[["Block"]]会提取线性模型中Block对应的系数，也就是我们需要的斜率。

方法2：data.table（高效处理大数据） #

如果你的数据集规模较大，data.table的运算效率更高：

# 加载包并转换数据格式
library(data.table)
setDT(df)

# 分组计算斜率
slope_result <- df[, .(slope = coef(lm(LogB ~ Block))[["Block"]]), by = ID]

方法3：基础R实现（无需额外安装包） #

不想安装额外包的话，用基础R的by()函数也能实现：

# 分组计算斜率并整理结果
slope_list <- by(df, df$ID, function(x) coef(lm(LogB ~ Block, data = x))[2])
slope_result <- data.frame(ID = names(slope_list), slope = unlist(slope_list))

针对你提供的示例数据，两个ID的斜率结果一致，为0.427（因LogB随Block呈完美线性增长）。

内容的提问来源于stack exchange，提问作者PBAB