如何结合lapply与dlply对数据框列表批量运行分组线性回归

兼容原有dlply用法的实现 #

直接通过基础函数lapply()遍历数据框列表，将每个元素传入你已掌握的dlply逻辑即可：

library(plyr)
# 批量执行分组回归
result_list <- lapply(iris_list, function(df) {
  dlply(df, "Species", function(x) lm(Sepal.Length ~ Sepal.Width, data = x))
})

结果结构说明 #

• 返回值result_list为嵌套列表，第一层对应iris_list的三个输入数据框，result_list[[n]]就是第n个数据框的回归结果，和你单数据框运行得到的test结构完全一致
• 第二层对应分组的Species类别，调用result_list[[1]][["setosa"]]即可取出第一个数据框中setosa分组的拟合模型

可选tidyverse实现（方便后续结果批量处理） #

如果需要后续批量提取回归系数、拟合指标等，可使用tidyverse生态函数实现，更便于后续结果整理：

library(tidyverse)
library(broom)

result_tidy <- map(iris_list, function(df) {
  df %>%
    group_by(Species) %>%
    nest() %>%
    mutate(
      model = map(data, ~lm(Sepal.Length ~ Sepal.Width, data = .x)),
      # 可直接生成规整的系数表、拟合指标表，按需保留
      coef_info = map(model, tidy),
      fit_info = map(model, glance)
    )
})

内容的提问来源于stack exchange，提问作者Lelleo