使用purrr::map执行线性回归预测时返回多行而非一行的问题求助

问题根源 #

你之前的代码中，map(model, get_prediction, pred_vals = 1:3) 是把全局的1:3向量传给每个模型，导致每个模型都对这3个值做预测，自然返回3行结果。而rowwise()报错是因为在按行处理时，没有正确把预测值包装成符合要求的结构，导致predict函数接收到的是单个数值而非匹配模型要求的输入格式。

用pmap的解决方案 #

pmap的核心优势就是可以按行匹配多个列的参数，正好对应每组的模型和对应的预测值集合。直接上可运行的代码：

library(tidyverse)

# 自定义预测函数：接收模型和预测值向量，返回带预测结果的 tibble
get_prediction <- function(model, pred_disp) {
  # 必须构造和模型自变量名一致的新数据框
  new_data <- tibble(disp = pred_disp)
  tibble(
    pred_mpg = predict(model, newdata = new_data),
    disp = pred_disp
  )
}

# 完整流程：分组嵌套 → 训练模型 → 生成预测
mtcars_grouped <- mtcars %>%
  group_by(cyl) %>%
  nest() %>%
  mutate(
    # 为每组训练 mpg ~ disp 的线性模型
    model = map(data, ~lm(mpg ~ disp, data = .x)),
    # 为每组指定要预测的disp值（这里是1:3）
    pred_disp = list(1:3),
    # 用pmap按行配对model和pred_disp，生成预测
    predictions = pmap(list(model, pred_disp), get_prediction)
  )

# 展开预测结果查看最终输出
mtcars_grouped %>% unnest(predictions)

关键说明 #

1. 参数配对：pmap(list(model, pred_disp), get_prediction) 会逐行取model列的模型对象和pred_disp列的预测值向量，一起传入get_prediction函数，确保每组模型只处理自己的预测值集合。
2. 结构化输出：让预测函数返回tibble，而非单纯的数值向量，后续用unnest展开时能自动和原分组的cyl字段对应，避免数据混乱。
3. 新数据框构造：predict函数要求newdata是数据框，且变量名必须和模型中的自变量完全一致（这里是disp），这也是容易忽略的细节点。

内容的提问来源于stack exchange，提问作者one