You need to enable JavaScript to run this app. 基于dplyr rowwise构建多线性模型时未调用其仍可正常计算的原因
优惠活动
大模型
产品
解决方案
定价
更多

基于dplyr rowwise构建多线性模型时未调用其仍可正常计算的原因

为什么不用rowwise也能跑出正确的线性模型

你观察到的现象本质是dplyr 1.0.0版本对列表列的求值逻辑升级,和rowwise的设计定位并不冲突,核心原因可以拆成三层讲清楚:

第一步:先理清中间表的实际结构

当你跑完nest_by(Species) %>% left_join(models, by = character())之后,生成的并不是“每个物种配一个模型”的短表,而是3个物种 × 2个模型的笛卡尔积长表,总共6行,每列的属性为:

  • Species:nest_by生成的默认分组键
  • data:长度为6的列表列,每个元素是对应物种的嵌套鸢尾花数据集
  • formula:长度为6的列表列,每个元素是对应模型的公式对象
  • model_name:长度为6的字符向量,记录每一行对应的模型名称

第二步:为什么非rowwise的mutate能算对模型

很多人对rowwise的功能有个典型误解:必须靠rowwise才能逐行取列表元素计算。实际上从dplyr 1.0.0开始,普通mutate在非rowwise场景下,遇到长度和数据总行数匹配的列表输入时,会自动按位置配对逐元素调用函数:
你写的mutate(model = list(lm(formula, data = data)))在这个场景下,会被自动等价处理为:逐行把列表里的第i个formula对象、第i个嵌套数据集配对传给lm(),最后把6个拟合好的模型收集成一个列表存到model列里——这个计算过程和你用rowwise逐行算出来的模型完全没有差异,所以结果是正确的。

注意:这种自动逐元素求值是dplyr的特殊适配,不是所有函数都能这么用。比如nrow(data)这种只接受单个数据集输入的函数,如果不用rowwise或purrr的map类函数,只会拿到列表的第一个元素计算,结果会出错。

第三步:为什么非rowwise版本会丢失model_name列

两个版本的核心差异根本不在mutate阶段,而在后续的summarise环节:

  • 加了rowwise(Species, model_name)的流程:此时tibble的分组维度是每一行,分组键为当前行的Species和model_name。后续summarise时会自动保留所有分组键的信息,所以输出结果会带上完整的模型名、物种标签。
  • 没加rowwise的流程:此时tibble的分组维度还是nest_by生成的按Species分组,model_name根本不在分组键里。按照dplyr的summarise规则,所有非分组、非聚合计算的列都会在汇总时被丢弃;加上每个Species分组里的model列是一个含2个模型的列表,broom::tidy(model)只会按分组聚合输出结果,自然就丢失了model_name的关联标签。

补充:什么时候才真的必须用rowwise

当你写的表达式没法被dplyr自动适配为逐元素列表计算时,rowwise就是必须的,典型场景包括:

  • 对列表列的每个元素做非向量化的自定义计算,比如从嵌套tibble里取第一行的某列值、计算每个嵌套数据的行数
  • 需要在mutate阶段生成多个和行一一对应的标量输出,且依赖当前行的列表元素
  • 后续的summarise需要保留每一行的非分组键信息

内容的提问来源于stack exchange,提问作者Victor Espinoza

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:2026.11.05 23:54:09