如何在R中对列内重复品种值循环运行lm回归模型

先说说你原始代码里的几个问题 #

1. 索引逻辑错误：unique(nrow(df$Cultivar))完全不对——df$Cultivar是一列向量，nrow()用在向量上会返回NULL，你应该直接用unique(df$Cultivar)获取所有唯一的品种值。
2. 数据筛选错误：df[i]是按列筛选数据，而你需要的是筛选当前品种对应的行，得写成df[df$Cultivar == i, ]（或者用dplyr::filter更直观）。
3. 模型摘要调用错误：summary(line[i])里的[i]是多余的，line已经是单个品种的lm模型对象，直接用summary(line)就行。

方法1：修正后的for循环 #

如果习惯用基础R的循环，这么改就能跑通：

# 获取所有唯一品种
all_cultivars <- unique(df$Cultivar)

# 循环遍历每个品种拟合模型
for(cv in all_cultivars){
  # 筛选当前品种的数据集
  cv_data <- df[df$Cultivar == cv, ]
  # 拟合回归模型
  cv_model <- lm(DTT_mean ~ leaves_mean, data = cv_data)
  # 打印带品种标识的模型结果
  cat("--- 品种", cv, "的回归结果 ---\n")
  print(summary(cv_model))
  cat("\n")
}

方法2：tidyverse批量处理（更简便，无需手动拆分） #

用dplyr+purrr+broom的组合，能自动按品种分组拟合模型，还能把所有结果整理成整洁的表格，后续分析更方便：

library(dplyr)
library(purrr)
library(broom)

# 按品种分组，批量拟合模型并提取结果
model_output <- df %>%
  group_by(Cultivar) %>%
  nest() %>%  # 把每个品种的数据打包成列表列
  mutate(
    # 为每个品种的数据拟合模型
    model = map(data, ~ lm(DTT_mean ~ leaves_mean, data = .x)),
    # 提取模型系数、p值等细节
    coef_table = map(model, tidy),
    # 提取模型整体统计量（R²、F检验p值等）
    model_stats = map(model, glance)
  )

# 查看每个品种的系数结果
model_output %>%
  select(Cultivar, coef_table) %>%
  unnest(coef_table)

# 查看每个品种的模型整体表现
model_output %>%
  select(Cultivar, model_stats) %>%
  unnest(model_stats)

这个方法不用手动拆分数据框，所有步骤都是链式操作，结果也是结构化的tibble，不管是看结果还是导出都很方便。

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