如何用for循环在R中批量重塑GLM分析所需的agg_df4136*数据集

嘿，针对你的需求，我给你整理了一套简洁高效的实现方式，基于tidyverse工具链（处理tibble的首选）：

一、单个数据集的宽格式转换 #

对于单个tibble（比如你的agg_df41367），用tidyr::pivot_wider就能一步搞定，完美适配tibble结构：

library(tidyverse)

# 转换单个数据集
agg_df41367_wide <- agg_df41367 %>%
  pivot_wider(
    id_cols = hour,          # 用hour作为行索引
    names_from = predicted,  # 把predicted的取值作为列名
    values_from = y,         # 对应单元格填充y的值
    values_fn = mean         # 可选：如果存在重复的hour+predicted组合，用均值聚合（按需调整）
  )

参数说明：

• id_cols指定行标识符，确保每一行对应唯一的hour；
• 如果你的数据中同一个hour+predicted组合有多条记录，一定要加values_fn指定聚合方式（比如sum、first等），否则会报错。

二、批量处理所有agg_df4136*格式的数据集 #

要批量处理命名符合规则的数据集，我们可以结合mget（获取全局环境中匹配的对象）和purrr::map（批量执行转换），代码比for循环简洁太多：

# 1. 获取所有命名以agg_df4136开头的数据集，存入列表
target_dfs <- mget(ls(pattern = "^agg_df4136"))

# 2. 批量转换为宽格式
wide_target_dfs <- map(target_dfs, ~ .x %>%
                        pivot_wider(
                          id_cols = hour,
                          names_from = predicted,
                          values_from = y,
                          values_fn = mean  # 同样按需保留或调整
                        ))

# 3. 可选：将转换后的宽格式数据集放回全局环境，命名为原名称+_wide
list2env(wide_target_dfs, envir = .GlobalEnv)

这样处理后，你会得到比如agg_df41367_wide、agg_df41368_wide这类宽格式数据集，直接可以用于GLM建模。

额外提示 #

• 确保先加载tidyverse包（包含tidyr和purrr）；
• 如果你的predicted列是数值型，转换后的列名会自动带上数值，完全不影响GLM建模；
• 用列表操作批量处理比for循环更高效易读，这也是tidyverse推荐的批量处理范式，如果你实在偏好for循环也能实现，但代码会冗余不少。

内容的提问来源于stack exchange，提问作者juansalix