R语言如何从列表中筛选含多个预测变量的线性模型

现有存储多个lm类线性模型的列表，需要筛选出预测变量数量大于1的模型，且保留模型完整属性（包含模型调用Call、类属性等）。

示例数据 #

require(faraway)
lm1 <- lm(lifespan ~ brain, mammalsleep)
lm2 <- lm(lifespan ~ brain+dream+nondream, mammalsleep)
lm3 <- lm(lifespan ~ brain+sleep, mammalsleep)
lm4 <- lm(lifespan ~ brain+predation+danger, mammalsleep)
lm5 <- lm(lifespan ~ sleep, mammalsleep)

list_models <- list(lm1, lm2, lm3, lm4, lm5)

原有尝试的问题 #

• 第一种方法错误：遍历到符合条件的模型时，直接返回了整个原始列表list_models，导致结果出现大量重复冗余。

map(list_models, function(x)if(length(names(x$model))>2){
  list_models
})

• 第二种方法错误：ifelse是向量化函数，会强制将输入的lm对象拆解为系数原子向量，丢失原模型的类属性、调用信息等内容，最终返回的不是完整模型对象。

true_false <-map(list_models, function(x)length(names(x$model))>2)

models <- mapply(function(x, y)ifelse(y == TRUE, x, 0), list_models, a) %>% keep(~all(. != 0))


[[1]]
(Intercept)       brain       dream    nondream 
23.89600096  0.01637543 -2.87404813 -0.28644022 

[[2]]
 (Intercept)        brain        sleep 
28.446910677  0.007815582 -1.051868346 

[[3]]
  (Intercept)         brain     predation        danger 
 21.364090058   0.008106425 -10.425407458   9.818648866 

期望输出 #

[[1]]

Call:
lm(formula = lifespan ~ brain + dream + nondream, data = mammalsleep)

Coefficients:
(Intercept)        brain        dream     nondream  
   23.89600      0.01638     -2.87405     -0.28644  


[[2]]

Call:
lm(formula = lifespan ~ brain + sleep, data = mammalsleep)

Coefficients:
(Intercept)        brain        sleep  
  28.446911     0.007816    -1.051868  


[[3]]

Call:
lm(formula = lifespan ~ brain + predation + danger, data = mammalsleep)

Coefficients:
(Intercept)        brain    predation       danger  
  21.364090     0.008106   -10.425407     9.818649  

正确实现方法 #

lm对象的model元素是模型帧，第一列为响应变量，后续每一列对应一个预测变量，因此ncol(x$model) > 2即对应预测变量数量大于1。直接按逻辑条件筛选列表元素即可，不会修改原模型对象、不会丢失属性。

base R 版本 #

filter_models <- list_models[sapply(list_models, function(x) ncol(x$model) > 2)]

purrr（tidyverse）版本 #

用keep()函数直接保留符合条件的列表元素：

library(purrr)
filter_models <- keep(list_models, ~ncol(.x$model) > 2)

运行上述代码得到的结果和期望输出完全一致，保留了完整的模型信息与lm类属性。

内容的提问来源于stack exchange，提问作者Dollar Tune-bill