web-dev-qa-db-ja.com

データフレームから多くの変数を含む式を簡潔に書く方法は？

（おもちゃの例として）応答変数と3つの共変量を含むデータがあるとします：

y = c(1,4,6)
d = data.frame(x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))

データに線形回帰を当てはめたい：

fit = lm(y ~ d$x1 + d$x2 + d$y2)

個々の共変量を書き出す必要がないように、式を書く方法はありますか？たとえば、次のようなもの

fit = lm(y ~ d)

（データフレームの各変数を共変量にしたいです。）データフレームに実際に50個の変数があるため、x1 + x2 + x3 + etcを書き出さないようにしたいと思っています。

rdataframeglmlm
111
grautur

すべての変数を意味する式で使用できる特別な識別子があります。それは.識別子です。

y <- c(1,4,6)
d <- data.frame(y = y, x1 = c(4,-1,3), x2 = c(3,9,8), x3 = c(4,-4,-2))
mod <- lm(y ~ ., data = d)

また、次のような操作を行って、すべての変数バー1を使用することもできます。

mod <- lm(y ~ . - x3, data = d)

技術的には、.は、すべての変数を意味しますnot数式で既に言及されています。例えば

lm(y ~ x1 * x2 + ., data = d)

.とx3は既に式に含まれているため、x1はx2のみを参照します。

175
Gavin Simpson

少し異なるアプローチは、文字列から数式を作成することです。 formulaヘルプページには、次の例があります。

## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")
fmla <- as.formula(paste("y ~ ", paste(xnam, collapse= "+")))

次に、生成された式を見ると、以下が得られます：

R> fmla
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + 
    x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 + 
    x22 + x23 + x24 + x25
58
juba

はい、もちろん、応答yをデータフレームの最初の列として追加し、その上でlm()を呼び出します。

d2<-data.frame(y,d)
> d2
  y x1 x2 x3
1 1  4  3  4
2 4 -1  9 -4
3 6  3  8 -2
> lm(d2)

Call:
lm(formula = d2)

Coefficients:
(Intercept)           x1           x2           x3  
    -5.6316       0.7895       1.1579           NA

また、Rに関する私の情報では、<-よりも=の割り当てが推奨されることを指摘しています。

7
Bernd Elkemann

Jubaのメソッドの拡張は、reformulateを使用することです。これは、そのようなタスク用に明示的に設計された関数です。

## Create a formula for a model with a large number of variables:
xnam <- paste("x", 1:25, sep="")

reformulate(xnam, "y")
y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + 
    x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 + 
    x22 + x23 + x24 + x25

OPの例では、ここで最も簡単な解決策は

# add y variable to data.frame d
d <- cbind(y, d)
reformulate(names(d)[-1], names(d[1]))
y ~ x1 + x2 + x3

または

mod <- lm(reformulate(names(d)[-1], names(d[1])), data=d)

d <- cbind(y, d)のdata.frameに従属変数を追加することは、reformulateの使用を許可するだけでなく、lmオブジェクトの将来の使用も許可するため、推奨されることに注意してください。 predictのような関数で。

3
lmo

このソリューションを構築します。変数名に空白が含まれる場合、reformulateは考慮しません。

add_backticks = function(x) {
    paste0("`", x, "`")
}

x_lm_formula = function(x) {
    paste(add_backticks(x), collapse = " + ")
}

build_lm_formula = function(x, y){
    if (length(y)>1){
        stop("y needs to be just one variable")
    }
    as.formula(        
        paste0("`",y,"`", " ~ ", x_lm_formula(x))
    )
}

# Example
df <- data.frame(
    y = c(1,4,6), 
    x1 = c(4,-1,3), 
    x2 = c(3,9,8), 
    x3 = c(4,-4,-2)
    )

# Model Specification
columns = colnames(df)
y_cols = columns[1]
x_cols = columns[2:length(columns)]
formula = build_lm_formula(x_cols, y_cols)
formula
# output
# "`y` ~ `x1` + `x2` + `x3`"

# Run Model
lm(formula = formula, data = df)
# output
Call:
    lm(formula = formula, data = df)

Coefficients:
    (Intercept)           x1           x2           x3  
        -5.6316       0.7895       1.1579           NA

`` `

1
Christian Torrez

パッケージleaps、特にモデル選択用の関数regsubsets()関数を確認できます。ドキュメントに記載されているとおり：

徹底的な検索、前方または後方の段階的、または順次置換によるモデル選択

0
amonk