小编On_*_*and的帖子

我正在遵循R for Data Science 书中的Many Models示例来生成单独的多元线性回归模型。如下面可重现的示例所示，我的数据框由三列组成：id, val1, val2, val3,. 我能够使用mapHadley 书中详述的函数拟合线性模型。但是，我一直在努力从每个模型中提取系数并将这些值逐列添加回my.list. 当前存储模型系数的方式使得调用我的代码的其他部分变得困难/麻烦。

我想出了迄今为止最好的是做一个列表的长度my.list在遍历每个数据帧和提取系数my.list：Name1, Name2, Name3。这意味着现在我的全局环境中有另一个列表，并且coef.list不再包含Name1, Name2, Name3来自my.list; 这些现在已被替换为[[1]], [[2]], [[3]].

任何人都可以在使用多个模型时提出一种提取模型系数的“更干净”的方法吗？我的首选输出只是为每个系数创建一列：intercept, val1, val2. 这些列将放入现有的数据框中Name1, Name2, Name3，my.list以便我可以mutate直接在数据框中使用：

# reproducible example
set.seed(1363)
d1 <- data.frame(id=c("Name1", "Name2", "Name3"),
             val1=c(rnorm(n=15, mean=5)), 
             val2=c(rnorm(n=15, mean=3)), 
             val3=c(rnorm(n=15, mean=8)))

# linear model function
lm.fun <- function(df){
  lm(val3 ~ …