我想做相当于将 gpm（每英里加仑数 = 1/mpg）模型拟合到 mtcars 数据集中的 wt。这似乎很容易：
data(mtcars)
library(dplyr)
library(tidyr)
library(broom)
library(ggplot2)
library(scales)
mtcars2 <-
mtcars %>%
mutate(gpm = 1 / mpg) %>%
group_by(cyl, am)
lm1 <-
mtcars2 %>%
do(fit = lm(gpm ~ wt, data = .))
正如预期的那样，这为我提供了一个 6 行的 rowwise 数据框。
此图确认有六组：
p1 <-
qplot(wt, gpm, data = mtcars2) +
facet_grid(cyl ~ am) +
stat_smooth(method='lm',se=FALSE, fullrange = TRUE) +
scale_x_continuous(limits = c(0,NA))
我可以使用 Augment() 来获得拟合的输出：
lm1 %>% augment(fit)
正如预期的那样，这给了我 32 行，mtcars2 中的每一行。
现在的挑战是：我想使用 newdata 获得拟合输出，其中我已将 wt 增加了 cyl/4：
newdata <-
mtcars2 %>%
mutate(
wt = wt + cyl/4)
我希望这会产生一个与 lm1 %>% Augment(fit): 相同大小的数据框：newdata 中的每一行对应一行，因为 broom 将通过分组变量 cyl 和 am 匹配模型和新数据。
很遗憾，
pred1 <-
lm1 %>%
augment(
fit,
newdata = newdata)
给了我一个 192 行（= 6 x 32）的数据框，显然每个模型都适合每一行新数据。
从别处阅读，我发现 group_by 和 rowwise 数据帧不兼容，因此 lm1 未分组，并且增加无法关联模型和新数据。是否有另一种设计模式可以让我这样做？如果它像上述尝试一样简单透明就好了，但更重要的是它可以工作。
这是我的 sessionInfo()：
> sessionInfo()
R version 3.3.1 (2016-06-21)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1
locale:
[1] LC_COLLATE=English_United States.1252
[2] LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C
[5] LC_TIME=English_United States.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] scales_0.4.0 ggplot2_2.1.0 broom_0.4.1 tidyr_0.6.0 dplyr_0.5.0
loaded via a namespace (and not attached):
[1] Rcpp_0.12.7 magrittr_1.5 mnormt_1.5-4 munsell_0.4.3
[5] colorspace_1.2-6 lattice_0.20-34 R6_2.1.3 stringr_1.1.0
[9] plyr_1.8.4 tools_3.3.1 parallel_3.3.1 grid_3.3.1
[13] nlme_3.1-128 gtable_0.2.0 psych_1.6.9 DBI_0.5-1
[17] lazyeval_0.2.0 assertthat_0.1 tibble_1.2 reshape2_1.4.1
[21] labeling_0.3 stringi_1.1.1 compiler_3.3.1 foreign_0.8-67
编辑：
@aosmith：我一直在探索你的第二个选择，我喜欢它。但是，当我在我的真实数据上尝试它时，我在 mutate 命令中遇到了问题：它返回“错误：增加不知道如何处理类列表的数据”。
我的真实代码更像是：
newdata %>%
dplyr::select(cyl, am, wt) %>% # wt holds new predictor values
group_by(cyl, am) %>%
nest() %>%
inner_join(regressions, .) %>%
## looks like yours at this point
mutate(pred = list(augment(fit, newdata = data))) %>% # Error here
unnest(pred)
我说它看起来像你的，我的意思是我有以下列（为了一致性在这里重命名）：ID (chr), attr1 (dbl), cyl (dbl), am (chr), fit (list), and data (列表）。你有 cyl、am (dbl)、fit 和 data。我将我的 am 改为 dbl，但这没有帮助。
我认为不同之处在于我在这个样本中有 3 个（ID ...类似于 mtcars 中的行名）x 2 (cyl) x 2 (am) 个单位（每个样本有 12 个测量值），而 mtcars 示例有 3 (cyl) x 2 (am) 个单元格 x 每个单元格的随机数量的汽车类型。在我的分析中，我需要查看 ID 值，但 newdata 同等适用于所有单位。如果有帮助，请将其视为测试中应用于每辆车的逆风速度。这是否暗示了增加无法处理类列表数据的原因？
编辑：将 ID 与新数据合并（使用 full=TRUE）解决了最后一个问题。我目前正在使用您提出的第一个解决方案。
我已经使用purrrmap2包来处理这种情况。 同时循环遍历两个列表的元素。这些列表必须具有相同的长度并且具有相同的顺序。map2
列表的元素用作您想要应用的某些函数的参数（augment在您的情况下）。这里您的两个列表将是模型列表和数据集列表（每个cyl/am组合一个列表）。
使用map2_df将结果作为 data.frame 而不是列表返回。
library(purrr)
我制作了 data.frames 列表来使用 进行预测split。要拆分的因素的顺序决定了列表顺序，因此我确保它的顺序与 相同lm1。
test_split = split(newdata, list(newdata$am, newdata$cyl)
map2_df(lm1$fit, test_split, ~augment(.x, newdata = .y))
为了避免过多担心顺序，您可以nest按组预测数据，将其连接到lm1，并将结果augment作为列表返回以进行取消嵌套。
newdata %>%
group_by(cyl, am) %>%
nest() %>%
inner_join(lm1, .) %>%
mutate(pred = list(augment(fit, newdata = data))) %>%
unnest(pred)