purrr in linear model R：タイプ 'character'の 'envir'引数が無効

Question

私は異なる種のデータフレームを持っており、それらの存在量がいくつかのパラメータに関連しているかどうかを見たいと思っています。

私は私が驚いたことに

# Load in the dune data set and tidyverse 
library(vegan) 
data(dune) 
data(dune.env) 
library(tidyverse) 

# Reshape the species matrix into long form data 
duneM <- dune %>% rownames_to_column('Site') %>% gather(Species, Count, -Site) 

# Join the species and environmental data 
duneE <- dune.env %>% rownames_to_column('Site') 
duneJ <- left_join(duneM, duneE, by = 'Site') 

# Basic linear model, that compares species counts to moisture data 
my_lm <- function(df){ 
    lm(Count ~ Moisture, data = df) 
} 

# Group the data by species and apply the function to each one 
duneJ %>% group_by('Species') %>% map(my_lm) 

ような何かを行うことができるはずだと思い、私は次のエラーメッセージを取得しています。 evalの中

エラー（predvars、データ、ENV）：

1. duneJ％>％GROUP_BY（ "種"）％>％マップ：タイプ '文字' トレースバックの無効 'ENVIR' 引数（my_lm）
2. withVisible（evalの（引用符（ `_fseq`（` _lhs`））、ENV、ENV））
3. のeval（引用符（ `_fseq`（` _lhs`））、ENV、ENV）
4. eval（ `_fseq`（` _lhs`））、env、env）
5. ` _fseq`（ `_lhs`）
6. freduce（値、` _function_list`）
7. withVisible（function_list [K]）
8. function_list [K]
9. マップ（。、my_lm）
10. .F（ .X [[I]]、...）
11. LM（ファイルの2行目
12. のeval（MF、parent.frame（時〜水分、データ= DF）＃をカウント））
13. のeval（MF 、parent.frame（））
14. stats :: model.fra私
15. model.frame.default（式=カウント〜モイスチャー、データ=のDF、drop.unused.levels = TRUE）
16. （数式は=〜モイスチャー、データ=のDF、drop.unused.levels = TRUEをカウント） evalの（predvars、データ、ENV）

は明らかに、私はここで何かが欠けています。誰か明確にしてもらえますか？ありがとう。

Answer 1

このポストhttp://omaymas.github.io/Climate_Change_ExpAnalysis/とこのビデオhttps://www.youtube.com/watch?v=rz3_FDVt9egを見て、どうやってパーマと箒を一緒に使うのかを理解する助けになりました。 G. Grothendeikが指摘しているように、データフレームにモデル付きの列を追加できます（各セルはフルモデルです）。マップ機能でこれを行う方法は

duneJ %>% group_by(Species) %>% nest %>% mutate(Mod = map(data, my_lm0)) -> test 

ここ

、nestそれぞれの種についてのデータが含まれ、それぞれが、データフレームのリストで列を作る重要な機能であるとし、それを保存していますデフォルトの列は "data"です。私はmapをmutate funcitonの中で実行して、モデルをさらに別の列に保存します。ここで各セルは新しいモデルです。

私はモデルの結果を見たい場合は、私はそうのように、それらを、マップやほうきでデータフレームのリストにそれらを組み合わせて、関連するデータを選択し、unnestことができます。

test %>% mutate(Glance = map(Mod, glance)) %>% select(Species, Glance) %>% unnest 

これが取得します私は、たとえ私がその質問で完全に説明していなくても、私が最終的に目指していた、各種のためのモデル結果を持つ新しいデータフレームです。