如何在R中循环生成模型并解包传入model函数？

问题核心 #

你尝试循环生成不同K值的TSLM模型并批量拟合，但之前的代码存在两个关键问题：

• 直接将字符串传入TSLM()，未转换为公式对象
• 未正确使用列表解包方法将命名模型列表传入model()函数

修正后的实现代码 #

1. 加载依赖与数据

library(fpp3)
library(rlang) # 用于!!!解包，可选但推荐

# 准备数据
gas <- us_gasoline %>% filter(year(Week) <= 2004)

2. 循环生成命名模型列表

这里提供两种写法，效果一致：

写法1：for循环（直观）

mods <- list()
for (i in 1:9) {
  # 将字符串转换为公式对象
  model_formula <- as.formula(paste0("Barrels ~ trend() + fourier(K = ", i, ")"))
  # 为模型命名（和手动定义格式一致，如fourier1、fourier2）
  mods[[paste0("fourier", i)]] <- TSLM(model_formula)
}

写法2：purrr函数式编程（简洁）

mods <- purrr::map(1:9, function(k) {
  model_formula <- as.formula(paste0("Barrels ~ trend() + fourier(K = ", k, ")"))
  TSLM(model_formula)
}) %>% 
  setNames(paste0("fourier", 1:9)) # 批量设置模型名称

3. 批量拟合模型

提供两种解包方式，任选其一即可：

方式1：!!!解包（tidyverse风格，推荐）

fit <- gas %>% model(!!!mods)

方式2：do.call（基础R写法）

# 需将data作为第一个参数，与模型列表合并后传入
fit <- do.call(model, c(list(data = gas), mods))

验证结果 #

可以用以下代码查看所有模型的拟合摘要：

fit %>% glance()

内容的提问来源于stack exchange，提问作者jj_coder