循环在子集数据帧上运行模型答案

【问题标题】：loop to run model on subset dataframe循环在子集数据帧上运行模型
【发布时间】：2018-08-19 01:49:27
【问题描述】：

我对循环不是很有经验，所以我不确定我在哪里出错了...... 我有一个看起来像这样的数据框：

 month year day mean.temp mean.temp.year.month
     1 1961   1      4.85             4.090323
     1 1961   2      4.90             4.090323
     1 1961   3      2.95             4.090323
     1 1961   4      3.40             4.090323
     1 1961   5      2.90             4.090323

可在此处找到显示 2 年 3 个月的数据集： https://drive.google.com/file/d/1w7NVeoEh8b7cAkU3cu1sXx6yCh75Inqg/view?usp=sharing

我想按年和月对这个数据框进行子集化，这样我就可以每年和每个月运行一个 nls 模型。由于我的数据集包含 56 年（每年有 12 个月），因此将提供 672 个模型。然后我想将参数估计值存储在一个单独的表中。

我已经创建了这段代码，但我不知道为什么它只给了我第 12 个月（所有 56 年，但只有第 12 个月）的参数估计值：

table <- matrix(99999, nrow=672, ncol=4)
YEARMONTHsel <- unique(df_weather[c("year", "month")])
YEARsel <- unique(df_weather$year)
MONTHsel <- unique(df_weather$month)
for (i in 1:length(YEARsel))  {
  for (j in 1:length(MONTHsel)) {
  temp2 <-  df_weather[df_weather$year==YEARsel[i] & df_weather$month==MONTHsel[j],]
   mn <- nls(mean.temp~mean.temp.year.month+alpha*sin(day*pi*2/30+phi), 
          data = temp2, control=nlc,
          start=list(alpha=-6.07043, phi = -10))
   cr <- as.vector(coef(mn))
   nv <-length(coef(mn))
   table[i,1:nv] <- cr 
   table[i,nv+1]<- YEARsel[i]
   table[i,nv+2]<- MONTHsel[j]
  }
 }

我尝试了几个选项（即不使用嵌套循环），但我没有得到任何结果。任何帮助将不胜感激！谢谢。

【问题讨论】：

也许这篇文章可以提供帮助：stackoverflow.com/questions/51796317/…。如果您仍然遇到问题，请发布一些数据（可能是 3 个月），这样会更容易提供帮助。
感谢您的帮助！是的，我可以使用 tidyverse 进行子集化和建模工作，但是输出太长了，我必须手动将每个 672 个参数复制到另一个表中。我不知道如何用 tidyverse 自动化它，所以我认为循环会做所有事情？我将编辑我的问题以发布更多数据，干杯！
当你用更多数据更新帖子时，我会看看是否能提供帮助。

标签： r loops nested subset

【解决方案1】：

根据您的循环，您似乎想要运行按年和月分组的回归，然后在新数据框中提取系数（如果错了，请纠正我）

library(readxl)
library(tidyverse)

df <- read_excel("~/Downloads/df_weather.xlsx")

df %>% nest(-month, -year) %>% 
  mutate(model = map(data, ~nls(mean.temp~mean.temp.year.month+alpha*sin(day*pi*2/30+phi), 
                                data = .x, control= "nlc",
                                start=list(alpha=-6.07043, phi = -10))),
         coeff = map(model, ~coefficients(.x))) %>%
  unnest(coeff %>% map(broom::tidy)) %>%
  spread(names, x) %>%
  arrange(year)

#> # A tibble: 6 x 4
#>   month  year  alpha    phi
#>   <dbl> <dbl>  <dbl>  <dbl>
#> 1     1  1961  0.561 -10.8 
#> 2     2  1961 -1.50  -10.5 
#> 3     3  1961 -2.06   -9.77
#> 4     1  1962 -3.35   -5.48
#> 5     2  1962 -2.27   -9.97
#> 6     3  1962  0.959 -10.8

首先，我们根据您的组（在本例中为年份和月份）嵌套数据，然后我们为每个组映射模型，然后我们为每个组映射系数，最后我们取消嵌套系数并将数据从长变宽。

【讨论】：