Jak zwięźle napisać formułę z wieloma zmiennymi z ramki danych?

Załóżmy, że mam zmienną odpowiedzi i dane zawierające trzy zmienne towarzyszące (jako przykład zabawki):

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

Chcę dopasować regresję liniową do danych:

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

Czy istnieje sposób na zapisanie wzoru, aby nie musieć zapisywać poszczególnych zmiennych towarzyszących? Na przykład coś takiego

fit = lm(y ~ d)

(Chcę, aby każda zmienna w ramce danych była współzmienną). Pytam, ponieważ mam w ramce danych 50 zmiennych, więc chcę uniknąć pisania x1 + x2 + x3 + etc.

Istnieje specjalny identyfikator, którego można użyć we wzorze do oznaczenia wszystkich zmiennych, jest to .identyfikator.

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)

Możesz także zrobić takie rzeczy, aby użyć wszystkich zmiennych oprócz jednej (w tym przypadku x3 jest wykluczone):

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

Technicznie .oznacza wszystkie zmienne niewymienione we wzorze . Na przykład

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

gdzie .odniesie się tylko x3jako x1i x2już są w formule.

Nieco innym podejściem jest utworzenie formuły z ciągu znaków. Na stronie formulapomocy znajdziesz następujący przykład:

## 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= "+")))

Następnie, jeśli spojrzysz na wygenerowaną formułę, otrzymasz:

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

Tak, oczywiście, po prostu dodaj odpowiedź yjako pierwszą kolumnę w ramce danych i wywołaj lm()ją:

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  

Ponadto moje informacje o R wskazują, że przypisanie z <-jest zalecane powyżej =.

Rozszerzeniem metody Dżuby jest użycie reformulate, funkcja, która została wyraźnie zaprojektowana do takiego zadania.

## 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

Na przykład w PO najłatwiejszym rozwiązaniem byłoby tutaj

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

lub

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

Zauważ, że dodanie zmiennej zależnej do data.frame w d <- cbind(y, d) jest preferowane nie tylko dlatego, że pozwala na użycie reformulate, ale także dlatego, że pozwala na przyszłe użycie lmobiektu w funkcjach takich jak predict.

Buduję to rozwiązanie, reformulatenie dbam o to, czy nazwy zmiennych mają spacje.

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  

`` ''

Możesz sprawdzić pakiet, leapsaw szczególności funkcje regsubsets() funkcji wyboru modelu. Jak podano w dokumentacji:

Wybór modelu poprzez wyczerpujące wyszukiwanie, krokowe do przodu lub do tyłu lub sekwencyjną wymianę