我有一个看起来像这样的缩写形式的数据集:
library(tidyverse)
dat_s<-tibble(
type=c(rep("A", 9), rep("B", 8), rep("C", 10)),
ref=c("ref3", "ref3", "ref1", "ref2", "ref2", "ref1", "ref2", "ref2", "ref2", "ref2",
"ref1", "ref2", "ref2", "ref3", "ref2", "ref3", "ref1", "ref3",
"ref2", "ref3", "ref1", "ref1", "ref3", "ref1", "ref1", "ref2", "ref2"),
info=sample(100, 27),
liv=c(3.0e-05, 2.9e-07, 2.2e-07, 2.7e-07, 2.6e-06, 4.8e-07, 1.4e-05, 2.6e-06, 7.7e-06, 2.2e-06,
1.5e-07, 1.6e-07, 1.8e-06, 6.1e-08, 4.9e-06, 4.9e-06, 1.8e-06, 1.5e-07,
4.3e-08, 1.8e-06, 1.0e-07, 1.6e-07, 9.7e-07, 1.0e-06, 6.4e-07, 1.2e-07, 5.7e-06),
prod=c(0.00, 2, 3, 4.80, 2.10, 5.10, 0.00, 0.13, 2.00, 0.13, 0.00, 4.10, 4.60, 2.10, 0.26, 0.00,
4.60, 0.00, 4.60, 2.10, 4.80, 0.00, 0.00, 1.80, 3.60, 4.10, 0.00)
)%>%
mutate(livp1=liv+1)
我想为type
和ref
的每种组合计算剂量反应关系,进行预测以绘制曲线并计算残差。 info
列反映出我需要保留此数据框中的其他列,但在剂量反应分析中并不重要。
我首先使用函数和嵌套数据框创建模型:
dr_s<-function(df){drc::drm(data=df, prod~log(livp1), fct=drc::LL.3())}
dat_mods<-
dat_s%>%
group_by(type, ref)%>%
nest() %>%
mutate(dr_mod=map(data, dr_s))
这将创建模型并将其放入数据框中。但是,当我尝试为每个liv
变量添加预测时:
dat_mods%>%
mutate(mod_preds=map2(data, dr_mod, modelr::add_predictions))
我收到错误消息。任何指导表示赞赏!
[这很愚蠢,predict
类模型的drm
方法不适用于tibble
类的对象。因此,您必须对type = "data.frame"
使用modelr::add_predictions
参数:
dat_s%>%
group_by(type, ref)%>%
nest() %>%
mutate(dr_mod=map(data, dr_s),
mod_preds=map2(data, dr_mod,
~modelr::add_predictions(data = as.data.frame(.x),
model = .y)))
# A tibble: 9 x 5
# Groups: type, ref [9]
type ref data dr_mod mod_preds
<chr> <chr> <list> <list> <list>
1 A ref3 <tibble [2 × 4]> <drc> <df[,5] [2 × 5]>
2 A ref1 <tibble [2 × 4]> <drc> <df[,5] [2 × 5]>
3 A ref2 <tibble [5 × 4]> <drc> <df[,5] [5 × 5]>
4 B ref2 <tibble [4 × 4]> <drc> <df[,5] [4 × 5]>
5 B ref1 <tibble [2 × 4]> <drc> <df[,5] [2 × 5]>
6 B ref3 <tibble [2 × 4]> <drc> <df[,5] [2 × 5]>
7 C ref3 <tibble [3 × 4]> <drc> <df[,5] [3 × 5]>
8 C ref2 <tibble [3 × 4]> <drc> <df[,5] [3 × 5]>
9 C ref1 <tibble [4 × 4]> <drc> <df[,5] [4 × 5]>