使用broom（augment）与dplyr处理loess拟合时出现错误

嘿，我刚碰到过类似的坑！你遇到的Error in data.frame(..., check.names = FALSE) : arguments imply differing number of rows: 32, 11，本质是用旧的do()函数处理分组loess模型时，broom在合并结果阶段没法正确对应每个分组的数据和模型输出，导致行数冲突。

为什么会出错？ #

你用group_by(cyl) %>% do(fit = loess(wt ~ mpg, .))生成的regressions数据框，每行对应一个cyl分组，但直接调用augment(fit)时，dplyr没办法自动把每个分组的augment结果和原分组数据正确关联，反而试图把所有结果强行合并——总观测数32和单个分组的11行数据凑不到一起，自然就报错了。而且do()在新版本dplyr里已经被弃用，更推荐用更清晰的分组处理方式。

两种可行的解决方案 #

方案1：用nest() + map()（灵活，适合后续还要处理模型的场景）

先把每个分组的数据嵌套成列表，再逐个拟合模型、生成augment结果，最后展开：

library(broom)
library(dplyr)
library(purrr)

mtcars %>%
  group_by(cyl) %>%
  nest() %>%  # 把每个cyl分组的数据打包成列表列
  mutate(
    fit = map(data, ~ loess(wt ~ mpg, data = .x)),  # 逐个拟合loess模型
    augmented = map2(fit, data, ~ augment(.x, newdata = .y))  # 对每个模型+对应数据生成augment结果
  ) %>%
  unnest(augmented)  # 展开嵌套的结果，得到完整的拟合数据

方案2：用group_modify()（最简洁，直接处理分组）

dplyr的group_modify()专门用来处理分组数据的自定义操作，它会自动帮你关联每个分组的结果：

library(broom)
library(dplyr)

mtcars %>%
  group_by(cyl) %>%
  group_modify(~ augment(loess(wt ~ mpg, data = .x)))

验证结果 #

运行上面任意一段代码，你都会得到32行的结果（和原mtcars行数一致），里面包含原变量、拟合值.fitted、残差.resid等loess模型的输出，完全符合预期。

内容的提问来源于stack exchange，提问作者Steve