R语言tidymodels那些事（三） nest风格批量计算及group_modify计算比较

缘由

艺多不压身

碎碎念

我们继续飞行在云层和雾气之间，飞行在一个无光无影的空洞世界中。 ——《风沙星辰》

Ref

Correlation and regression fundamentals with tidy data principles – tidymodels

代码

用 nest 风格优雅地做批量计算

在数据分析中，我们经常需要 对不同分组做相同的统计检验或建模。
常见的实现思路有三种：

1. 基础函数 + broom::tidy()
2. group_by + rstatix（或直接 group_modify）
3. nest + map

今天我们来对比一下它们的区别，并重点看看 nest 风格的优势。

---

加载数据

library(tidymodels)
 
data(Orange)
 
Orange <- as_tibble(Orange)
Orange
#> # A tibble: 35 × 3
#>    Tree    age circumference
#>    <ord> <dbl>         <dbl>
#>  1 1       118            30
#>  2 1       484            58
#>  3 1       664            87
#>  4 1      1004           115
#>  5 1      1231           120
#>  6 1      1372           142
#>  7 1      1582           145
#>  8 2       118            33
#>  9 2       484            69
#> 10 2       664           111
#> # ℹ 25 more rows

Part 1：相关性计算示例

方法 1：手工 cor.test + tidy

ct <- cor.test(Orange$age, Orange$circumference)
ct %>% tidy()

这里 cor.test() 返回的是一个 S3 对象（htest），必须再用 broom::tidy() 才能整齐化为 tibble。
适合单组数据，但不便于批量计算。

---

方法 2：group_by + rstatix

Orange %>% 
  group_by(Tree) %>% 
  rstatix::cor_test(age, circumference)

rstatix::cor_test() 已经返回了整齐化的 tibble。
这种写法简洁，但只能做 单一检验，无法方便地组织后续更多计算。

---

方法 3：group_by + group_modify

Orange %>% 
  group_by(Tree) %>% 
  group_modify(~ .x %>% rstatix::cor_test(age, circumference))

这里更灵活，可以在 ~{} 里写任意逻辑。
但输出结果依然是 直接拼接的长表，没有保留中间对象。

---

方法 4：nest + map

nested <- Orange %>% nest(data = c(age, circumference))
 
nested %>% 
  mutate(
    test   = map(data, ~ cor.test(.x$age, .x$circumference)),
    tidied = map(test, tidy)
  ) %>% 
  unnest(cols = tidied) %>% 
  select(-data, -test)

这里的优势是：

• nest 把每个分组的数据收集成列表列（data）。
• map 可以同时保存原始模型对象（test）和整齐化结果（tidied）。
• 输出时我们可以选择要展开的列，非常灵活。

---

Part 2：批量建模示例

以 mtcars 数据集为例，我们想在不同 am（变速器类型）下建立回归模型：

regressions <- 
  mtcars %>%
  nest(data = c(-am)) %>% 
  mutate(
    fit      = map(data, ~ lm(wt ~ mpg + qsec + gear, data = .x)),
    tidied   = map(fit, tidy),
    glanced  = map(fit, glance),
    augmented= map(fit, augment)
  )

此时，一个 tibble 中同时保存了：

• 原始数据（data）
• 模型对象（fit）
• 参数表（tidied）
• 整体模型表现（glanced）
• 带预测值与残差的增强数据（augmented）

需要哪一部分结果，就 unnest 哪一列：

regressions %>% 
  select(tidied) %>% 
  unnest(tidied)