代码之家 › 专栏 › 技术社区 › Varun

在数据帧中按组捕获回归斜率

broom lm r

0

Varun · 技术社区 · 5 年前

我的数据框架包括三个财政年度(2013财年、2014财年和2015财年)调查中提出的不同问题的得分。结果由 Region .

这是什么样品在实际的数据框架中,每个区域有两个不同年份的问题。

testdf=data.frame(FY=c("FY13","FY14","FY15","FY14","FY15","FY13","FY14","FY15","FY13","FY15","FY13","FY14","FY15","FY13","FY14","FY15"),
              Region=c(rep("AFRICA",5),rep("ASIA",5),rep("AMERICA",6)),
              QST=c(rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",3)),
              Very.Satisfied=runif(16,min = 0, max=1),
              Total.Very.Satisfied=floor(runif(16,min=10,max=120)))

我的目标

对于每个地区,我的目标是确定哪些问题经历了 最显著的向上进化 在这3年的时间框架内。为了测量显著的向上运动,我决定使用斜坡以回归为参数。

在3年的时间框架内,一个区域内最显著的向上演化问题将是 最陡正坡 .

使用这个逻辑,我决定做以下事情-

1)每种组合 区域 和 QST 我运行 lm 功能。

2)我提取每个组合的坡度,并将其存储为单独的变量。然后,对于每个区域,我用最大坡度值过滤掉问题。

我的尝试

这是我试图解决的问题。

test_final=testdf %>%   
group_by(Region,QST) %>% 
map(~lm(FY ~ Very.Satisfied, data = .)) %>%
map_df(tidy) %>%
filter(term == 'circumference') %>%
select(estimate) %>% 
summarise(Value = max(estimate))

但是,当我运行此程序时,会收到一条错误消息,说明该对象 FY 没有找到。

附加要求

另外,我希望这只适用于那些有至少连续两年数据可供比较的问题。但是我无法理解如何将这个条件考虑到我的代码中。

对此,任何帮助都将不胜感激。

2 回复 | 直到 5 年前

1

2

A. S. K. 5 年前

这不是“至少连续两年”的部分,而是“获得最大坡度的问题”的部分:

library(dplyr)
test_final = testdf %>%
  mutate(FY.num = as.numeric(gsub("FY", "", FY))) %>%
  group_by(Region, QST) %>%
  mutate(lm_slope = lm(Very.Satisfied ~ FY.num)$coefficients[["FY.num"]]) %>%
  ungroup() %>%
  group_by(Region) %>%
  filter(lm_slope == max(lm_slope))

2

gfgm 5 年前

这里有一个类似的版本,按组大小/连续性过滤(在您发布时已经编写了它,所以我想我还是继续吧)。

library(tidyverse)
set.seed(42)
testdf=data.frame(FY=c("FY13","FY14","FY15","FY14","FY15","FY13","FY14","FY15","FY13","FY15","FY13","FY14","FY15","FY13","FY14","FY15"),
                  Region=c(rep("AFRICA",5),rep("ASIA",5),rep("AMERICA",6)),
                  QST=c(rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",2),rep("Q2",3),rep("Q5",3)),
                  Very.Satisfied=runif(16,min = 0, max=1),
                  Total.Very.Satisfied=floor(runif(16,min=10,max=120)))

test_final <- testdf %>%   
  group_by(Region,QST) %>% # group by region
  mutate(numdate = as.numeric(str_remove(FY, "FY"))) %>% 
  filter(n() >= 2 & max(diff(numdate)) < 2) %>% # filter out singleton groups
  mutate(slopes = coef(lm(Very.Satisfied~numdate))[2])
test_final %>% select(Region, QST, slopes)
#> # A tibble: 14 x 3
#> # Groups:   Region, QST [5]
#>    Region  QST   slopes
#>    <fct>   <fct>  <dbl>
#>  1 AFRICA  Q2    -0.314
#>  2 AFRICA  Q2    -0.314
#>  3 AFRICA  Q2    -0.314
#>  4 AFRICA  Q5    -0.189
#>  5 AFRICA  Q5    -0.189
#>  6 ASIA    Q2    -0.192
#>  7 ASIA    Q2    -0.192
#>  8 ASIA    Q2    -0.192
#>  9 AMERICA Q2     0.238
#> 10 AMERICA Q2     0.238
#> 11 AMERICA Q2     0.238
#> 12 AMERICA Q5     0.342
#> 13 AMERICA Q5     0.342
#> 14 AMERICA Q5     0.342

test_final %>% group_by(Region) %>% 
  summarise(Value = max(slopes),
            Top_Question = QST[which.max(slopes)])
#> # A tibble: 3 x 3
#>   Region   Value Top_Question
#>   <fct>    <dbl> <fct>       
#> 1 AFRICA  -0.189 Q5          
#> 2 AMERICA  0.342 Q5          
#> 3 ASIA    -0.192 Q2

^{创建于2019-01-21

reprex package

(v0.2.1)}