跨多个数值变量为多个组拟合黄土平滑器答案

【问题标题】：Fit loess smoothers for multiple groups across multiple numeric variables跨多个数值变量为多个组拟合黄土平滑器
【发布时间】：2020-03-04 00:40:32
【问题描述】：

我需要通过分组变量（Animal）跨多个数值列（Var1，Var2）拟合许多黄土样条，并提取这些值。

我找到了执行此任务的代码一次一个变量；

# Create dataframe 1
OneVarDF <- data.frame(Day = c(replicate(1,sample(1:50,200,rep=TRUE))),
                 Animal = c(c(replicate(100,"Greyhound"), c(replicate(100,"Horse")))),
                 Var1 = c(c(replicate(1,sample(2:10,100,rep=TRUE))), c(replicate(1,sample(15:20,100,rep=TRUE)))))


library(dplyr)
library(tidyr)
library(purrr)

# Get fitted values from each model
Models <- OneVarDF %>%
  tidyr::nest(-Animal) %>%
  dplyr::mutate(m = purrr::map(data, loess, formula = Var1 ~ Day, span = 0.30),
                fitted = purrr::map(m, `[[`, "fitted")
  )

# Create prediction column
Results <- Models %>%
  dplyr::select(-m) %>%
  tidyr::unnest()

这个“结果”数据框对于下游任务至关重要（消除许多非参数分布的趋势）。

我们如何使用具有多个数字列的数据框（下面的代码）来实现这一点，并提取 “结果” 数据框？谢谢。

# Create dataframe 2
TwoVarDF <- data.frame(Day = c(replicate(1,sample(1:50,200,rep=TRUE))),
                       Animal = c(c(replicate(100,"Greyhound"), c(replicate(100,"Horse")))),
                       Var1 = c(c(replicate(1,sample(2:10,100,rep=TRUE))), c(replicate(1,sample(15:20,100,rep=TRUE)))),
                       Var2 = c(c(replicate(1,sample(22:27,100,rep=TRUE))), c(replicate(1,sample(29:35,100,rep=TRUE)))))

【问题讨论】：

标签： r grouping multiple-columns smoothing loess

【解决方案1】：

我们可以使用长格式获取数据。 pivot_longer、group_byAnimal 和列名并将loess 应用于每个组合。

library(dplyr)
library(tidyr)

TwoVarDF %>%
  pivot_longer(cols = starts_with('Var')) %>%
  group_by(Animal, name) %>%
  mutate(model = loess(value~Day, span = 0.3)$fitted)

【讨论】：

此方法生成 1 个拟合值列而不是 2 个。
@Brad 查看更新的答案。这会以长格式返回数据。
这太棒了，但我失去了“Day”。目标是保留“Day”，因为我们需要从观察中减去预测以消除趋势。
是的，我更新了答案以使用mutate 而不是summarise，这将有助于保留Day。
这可能是一个愚蠢的问题，但是如何实现predict 函数来预测例如Greyhound 和Day == 6 上Var1 的值Horse因为Day == 6上没有数据点？

【解决方案2】：

包含一个gather() 函数以与您之前的代码类似。

Models2 <- TwoVarDF %>%
  gather(varName, varVal, 3:4) %>% 
  tidyr::nest(-Animal, -varName) %>%
  dplyr::mutate(m = purrr::map(data, loess, formula = varVal ~ Day, span = 0.30),
                fitted = purrr::map(m, `[[`, "fitted")
  )

【讨论】：