基于多回归模型批量预测用户缺失值并导出CSV的R技术咨询

现有10个用lm构建的回归模型，数据集test结构如下：

已通过以下代码构建模型：

formulas = paste0("user_", 1:10, " ~ undesirable + desirable")
models = lapply(formulas, \(x)lm(as.formula(x), data = test))

需要完成以下批量操作：

1. 提取每个user_*字段的NA值对应行，用对应模型预测（示例代码如下）：

user_1_na = test[is.na(test$user_1), c('user_1', 'undesirable', 'desirable')]
pred_user_1 = predict(models[[1]], newdata = user_1_na)
...
user_10_na = test[is.na(test$user_10), c('user_10', 'undesirable', 'desirable')]
pred_user_10 = predict(models[[10]], newdata = user_10_na)

2. 找到每个用户预测结果的最大值及其对应的content编号（示例操作如下）：

which(result1 == max(result1))
max(result1)
# 结果示例
V2719                          
615.0000000   0.8519751
...
which(result10 == max(result10))
max(result10)
f_result = which(result1 == max(result1))
f_result[2] = max(result1)
f_result

3. 最终将结果整理为如下格式的数据框并导出为CSV文件，目前不清楚如何将预测结果转换为目标数据框：

通过循环批量处理每个用户，收集结果后整理成目标数据框，具体代码如下：

1. 批量预测并提取最大值及对应content #

# 初始化结果列表
result_list <- list()

# 循环处理每个用户（1到10）
for (i in 1:10) {
  # 定义当前用户列名
  user_col <- paste0("user_", i)
  # 提取该用户NA值的行，保留content、undesirable、desirable列
  user_na_rows <- test[is.na(test[[user_col]]), c("content", "undesirable", "desirable")]
  # 用对应模型预测
  pred_vals <- predict(models[[i]], newdata = user_na_rows)
  
  # 找到预测值的最大值（忽略NA，做容错处理）
  max_val <- max(pred_vals, na.rm = TRUE)
  # 找到最大值对应的content编号（若有多个最大值，取第一个）
  max_content <- user_na_rows$content[which(pred_vals == max_val)[1]]
  
  # 将结果存入列表，命名为对应用户列名
  result_list[[user_col]] <- list(content_number = paste0("V", max_content), rating = max_val)
}

2. 转换为目标数据框 #

# 将列表转换为数据框并转置，调整结构
result_df <- as.data.frame(do.call(cbind, result_list))
result_df <- t(result_df)
result_df <- as.data.frame(result_df)

# 添加user列并调整顺序
result_df$user <- rownames(result_df)
result_df <- result_df[, c("user", "content_number", "rating")]

# 再次转置得到目标格式
final_df <- t(result_df)
colnames(final_df) <- result_df$user
rownames(final_df) <- c("content_number", "rating")
final_df <- as.data.frame(final_df)

3. 导出为CSV文件 #

write.csv(final_df, "user_max_predictions.csv", row.names = TRUE)

代码说明 #

• 循环处理避免重复编写冗余代码，提升可维护性
• na.rm = TRUE确保计算最大值时忽略异常NA值（预测结果一般不会出现NA，做容错处理）
• 若存在多个相同最大值，which(pred_vals == max_val)[1]取第一个对应的content编号，可根据需求修改为取全部或其他逻辑
• 两次转置操作是为了将结果转换为目标要求的行列结构

内容的提问来源于stack exchange，提问作者bergpot