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
相关产品推荐

