慧美——R for data science 第19章 使用purrr和broom处理多个模型

huimeiwang

R for data science   第19章  使用purrr和broom处理多个模型
19.1 简介

• 使用多个简单模型来更好地理解复杂数据集。
• 使用列表列在数据框中保存任意数据结构。例如，可以通过这种方法让数据列中包含线
  性模型。
• 使用 David Robinson 开发的 broom 包将模型转换为整洁数据，可以处理大量模型
  
  

19.2 列表列

• 列表列是隐式定义在数据框中的:数据框是由相同长度的向量组成的命名列表。一个列表就是一个向量，因此将列表作为数据框的一列是完全合理的。
• 在 R 基础包中创建列表列是非常困难的，而且 data.frame() 函数是将列表作为列的列表来处理的
• 列表列的最大用处是作为一种中间数据结构。要想直接处理列表列是比较困难的，因为大多数 R 函数只能处理原子向量或数据框。但列表列可以将相关项目统一保存在一个数据框中
• 要想有效地使用列表列，需要 3 个步骤
  • 3 种方法之一来创建列表列。这 3 种方法是:nest()、summarize() + list() 以及 mutate() + 映射函数
  • 通过使用 map()、map2() 或 pmap() 函数转换现有列表列，创建一个中间列表列。
  • 将列表列简化还原成数据框或原子向量。
    
    
  
  

19.3 创建列表列

• 使用以下 4 种方法之一，根据普通列进行创建。
  • 使用 tidyr::nest() 函数将分组数据框转换为嵌套数据框，嵌套数据框中会包含数据框列表列。
  • 使用 mutate() 函数以及能够返回列表的向量化函数。
  • 使用 summarize() 函数以及能够返回多个结果的摘要函数。
  • 还可以使用 tibble::enframe() 函数根据命名列表来创建列表列
    
    
• 在创建列表列时，应该确保这些列是同质的，即列中的每个元素都包含同样类型的内容。
• 使用嵌套
  • 可以使用 nest() 函数创建嵌套数据框，即带有数据框列表列的数据框。在嵌套数据框中，每行都是一个元观测:除列表列外的列给出了定义观测的变量，数据框中的列表列则给出了组成元观测的具体观测。
  • nest() 函数有两种使用方式。
    • 当用于分组数据框时，nest() 函数会保留用于分组的列，而将其他所有数据归并到列表列中。
    • 还可以在未分组数据框上使用 nest()，此时需要指定嵌套哪些列。
      
      
    
    
• 使用向量化函数
  • 有些常用函数接受一个原子向量并返回一个列表。
    • stringr::str_split() 函数，它接受一个字符向量，并返回字符向量的一个列表。如果在mutate() 函数中使用这个函数，那么就会得到一个列表列
    • 使用向量化函数创建列表列的另一个示例是使用 purrr 包中的 map()、map2() 和 pmap() 函数。
      
      
    
    
• 使用多值摘要
  • summarize() 函数的一个局限性是，只能使用返回单一值的摘要函数。这意味着我们不能使用像 quantile() 这样的函数，因为它会返回任意长度的向量
  • 然而，你可以将结果包装在一个列表中!这是符合 summarize() 函数的约定的，因为这样每个摘要结果就是一个长度为 1 的列表(向量)了
  • 
  • 要想让 unnest() 函数的结果更可用，我们还需要表示出概率
  • 
  • 使用命名列表
    • 带有列表列的数据框可以解决一种常见问题:如何同时对列表的元素及元素内容进行迭代?相对于将所有元素内容塞进一个对象，更容易的一种方法是创建一个数据框:一列包含元素名称，另一列包含元素中的列表内容。创建这种数据框的一种简单方法是使用tibble::enframe() 函数
    • 
    • 如果想要同时对名称和值进行迭代，那么可以使用 map2() 函数
    • 
      
      
    
    
  
  

19.4 简化列表列

• 在将列表列还原为简单结构时，根据想要将列表列的一个元素转换为单个值还是多个值，再决定使用哪种技术。
  • 如果想要得到单个值，就使用 mutate() 以及 map_lgl()、map_int()、map_dbl() 和 map_ chr() 函数来创建一个原子向量。
  • 如果想要得到多个值，就使用 unnest() 函数将列表列还原为普通列，这样可以按需要 将行多次重复。
    
    
• 可以使用 map_*() 快捷方式，例如，你可以使用 map_chr(x, "apple") 从 x的每个元素中提取变量 中的内容。这种方法可以提取嵌套列表中的一部分，并使结果成为普通列。如果元素中有缺失值，还可以使用 .null 参数提供一个返回值(而不是返回 NULL)
• 嵌套还原
  • unnest() 函数对列表列中的每个元素都重复一次普通列。
    
    
  
  

19.5 使用broom生成整洁数据

broom 包提供了 3 种常用工具，用于将模型转换为整洁数据框。

• broom::glance(model) 为每个模型返回一行数据，其中每一列都是模型的一个摘要统计 量:要么是模型质量的度量方式，要么是模型复杂度，又或者是二者的组合。
• broom::tidy(model) 为模型的每个系数返回一行数据，其中每一列都是系数的估计值或变异指标。
• broom::augment(model, data)返回data中的每一行，但会添加一些额外信息，如残差 以及其他一些有影响的统计量。