You need to enable JavaScript to run this app. R中用map()调用spread_predictions时如何保留原模型ID、plot标识
优惠活动
大模型
产品
解决方案
定价
更多

R中用map()调用spread_predictions时如何保留原模型ID、plot标识

批量预测自动关联分组标识的实现方法

核心逻辑:modelobject本身是绑定了ID、plot和对应模型的结构化数据框,三者一一对应,不需要依赖顺序手动匹配标识。

  • 推荐方案:直接遍历modelobject全字段生成预测,从根源避免顺序错配
    使用purrr::pmap()逐行遍历模型数据框,在调用spread_predictions生成预测结果的同时,自动注入当前行对应的分组标识:

    modelled_values <- modelobject %>%
      pmap(function(ID, plot, model) {
        # 基于当前模型生成预测结果
        pred_df <- spread_predictions(data = data_2, models = model)
        # 自动写入当前行对应的分组标识
        pred_df$ID <- ID
        pred_df$plot <- plot
        return(pred_df)
      })
    

    优势:完全按照模型和分组的绑定关系生成结果,无顺序依赖,不会出现手动匹配错值的问题,流程一步到位。

  • 旧代码最小改动方案:如果不想调整原有map的预测逻辑,可在预测完成后绑定标识
    因为原有map生成的列表顺序和modelobject的行顺序完全一致,可逐元素为列表匹配对应分组标识:

    # 提前提取分组标识列
    group_labels <- modelobject %>% dplyr::select(ID, plot)
    
    # 逐元素为预测结果注入对应标识
    modelled_values <- list(
      labels = group_labels,
      preds = modelled_values
    ) %>%
      pmap(function(labels, preds) {
        preds$ID <- labels$ID
        preds$plot <- labels$plot
        return(preds)
      })
    

    注意:该方案依然依赖列表和数据框的顺序一致性,没有从根源上规避顺序错配风险,仅适合作为存量代码的临时调整方案。

  • 结果整合优化:如果需要把20个独立数据框合并为总表,直接运行以下代码即可,系统会自动保留每个数据框携带的分组标识:

    final_result <- dplyr::bind_rows(modelled_values)
    

内容的提问来源于stack exchange,提问作者Cameron

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.30 17:36:05