从嵌套列表 R 中智能提取线性模型系数

Question

我是一名 R 资深人士，通常讨厌使用嵌套列表，因为它们看起来很棘手......但我不确定我可以在这里避免使用它们。在这种情况下，我可以生成我想要的输出，但我不知道如何智能地拆分列表。

我正在尝试从数据集中为类的每个级别创建 n 个线性模型。运行所有模型后，我想要一个简单的表格，其中包含每个级别的斜率、截距和类别。下面的例子就是我想要的：

# Dummy data
d <- data.frame(x=rnorm(50, 10, 1), 
                y=rnorm(50, 0, 2), 
                class=c(rep('A',10),rep('B',10),rep('C',10),rep('D',10),rep('E',10)))

# Split the data by grouping variable
d.s <-  split(d, d$class)

# Create a linear model from y~x in each class
coeffs <- function(df) {
  m <- lm(y~x, data = df)$coefficients
}

m.s <- lapply(d.s, coeffs)

# How do I neatly get a data frame that looks like below out of m.s??

wanted <- data.frame(class=as.character(), slope=as.numeric(), intercept=as.numeric())

请原谅我对嵌套列表的厌恶和缺乏经验！经过多行取消列出并拆开行名后，我可以获得我想要的东西，但必须有更好的方法。我正在努力改变...

Answer 1

用

data.frame

和

names

数据制作

rbind

。

> data.frame(class=names(m.s), do.call('rbind', m.s)) |> 
+   setNames(c('class', 'intercept', 'slope'))
  class  intercept      slope
A     A  9.4390072 -0.8430022
B     B -5.2018384  0.4988027
C     C -7.9531678  0.8298487
D     D -0.9505984  0.1192621
E     E -1.8155237  0.1522270