如何在模型数据表中用数据框名称列构建模型？解决eval报错问题

我明白你遇到的困扰了——明明单独调用每个数据集跑模型都没问题，但放到mutate里批量处理就报错，咱们来拆解原因和解决办法：

报错原因分析 #

你遇到的Error: Only strings can be converted to symbols.，核心问题在于：

• 单独运行eval(sym('df1'))时，'df1'是单个字符串，sym()可以正常把它转换成符号；
• 但在mutate里直接用dataset时，它是一个长度为2的字符向量，sym()只能处理单个字符串，没法直接对向量操作，所以触发报错。

解决方案 #

下面提供几种符合tidyverse风格的解决方法，任选其一即可：

方法1：用rowwise()按行处理 #

先通过rowwise()让mutate逐行处理每个数据集名称，这样每一行的dataset都是单个字符串，就能正常用sym()转换了。注意要把模型结果用list()包裹，因为每个模型是一个对象，需要存在列表列里：

results <- results %>%
  rowwise() %>%
  mutate(model = list(lm(z ~ x + y, data = eval(sym(dataset))))) %>%
  ungroup()  # 处理完记得取消按行分组

方法2：用purrr::map()遍历处理 #

map()函数会自动遍历dataset列的每个元素，逐个处理字符串，返回的结果天然是列表，完美适配tibble的列表列：

results <- results %>%
  mutate(model = map(dataset, ~ lm(z ~ x + y, data = eval(sym(.x)))))

这里的.x代表map遍历到的每个数据集名称字符串。

方法3：用数据集列表（更安全的方式） #

如果不想用eval()（毕竟eval存在一定的安全风险，尤其是处理未知输入时），可以先把所有数据集放到一个命名列表里，然后通过列表索引调用：

# 先创建命名数据集列表
dataset_list <- list(df1 = df1, df2 = df2)

# 批量拟合模型
results <- results %>%
  mutate(model = map(dataset, ~ lm(z ~ x + y, data = dataset_list[[.x]])))

验证结果 #

处理完成后，你可以通过以下方式查看模型结果：

# 查看第一个模型的摘要
summary(results$model[[1]])

# 查看第二个模型的系数
coef(results$model[[2]])

内容的提问来源于stack exchange，提问作者David Pepper