另一种方法是使用tidy并使用pivot_wider将结果转换为更宽的格式，如下所示（您可以添加更多结果，如p值）：

library(dplyr)
library(tidyr)
library(broom)
df %>%
  group_by(item) %>%
  do(tidy(lm(value ~ year, data = .))) %>%
  select(item, term, estimate) %>%
  pivot_wider(names_from = term, values_from = estimate) %>%
  rename(slope = year, intercept = `(Intercept)`)
#> # A tibble: 4 × 3
#> # Groups:   item [4]
#>    item intercept slope
#>   <dbl>     <dbl> <dbl>
#> 1     1       0.5   0.7
#> 2     2       3.5  -0.5
#> 3     3       0.5   0.5
#> 4     4       1.5   0

创建于2023年1月29日，使用reprex v2.0.2

下面是另一个解决方案（相当冗长），使用group_split创建列表，然后使用map_dfr迭代每个列表，使用broom s tidy()获得整洁的输出，最后生成shape：

library(broom)
library(tidyverse)
df %>% 
  mutate(item = factor(item)) %>% 
  group_split(item) %>% 
  map_dfr(.f = function(df){
    lm(value ~ year, data = df) %>% 
      tidy() %>% 
      add_column(item = unique(df$item), .before = 1)
  }) %>% 
  mutate(term = str_replace_all(term, "[^[:alnum:]]", "")) %>% 
  select(item, term, estimate) %>% 
  pivot_wider(names_from = term,
              values_from = estimate)

item  Intercept  year
  <fct>     <dbl> <dbl>
1 1           0.5   0.7
2 2           3.5  -0.5
3 3           0.5   0.5
4 4           1.5   0

在lm( ..., data=df)中，你仍然使用你开始时使用的相同df对象，为了使你自己的方法工作，你需要用感知上下文的东西（即分组）来替换它，并返回当前组的当前数据：cur_data()

library(dplyr)
df <- data.frame(item  = c(1, 1, 1, 1,  2, 2, 2, 2,  3, 3, 3, 3,  4, 4, 4, 4),
                 year  = c(1, 2, 3, 4,  1, 2, 3, 4,  1, 2, 3, 4,  1, 2, 3, 4),
                 value = c(1, 2, 3, 3,  2, 3, 4, 0,  1, 1, 3, 2,  2, 1, 1, 2))

df %>%
  group_by(item) %>%
  summarise(slope     = unname(lm(value ~ year, data=cur_data())[[1]])[2],
            intercept = unname(lm(value ~ year, data=cur_data())[[1]])[1])
#> # A tibble: 4 × 3
#>    item slope intercept
#>   <dbl> <dbl>     <dbl>
#> 1     1   0.7       0.5
#> 2     2  -0.5       3.5
#> 3     3   0.5       0.5
#> 4     4   0         1.5

创建于2023年1月29日，使用reprex v2.0.2

您可以试试by。

data.frame(unique(df$item), t(sapply(by(df, df$item, lm, fo=value ~ year), coef))) |>
  `colnames<-`(c('year', 'intercept', 'slope'))
#   year intercept slope
# 1    1       0.5   0.7
# 2    2       3.5  -0.5
# 3    3       0.5   0.5
# 4    4       1.5   0.0

也许更容易理解，但结果是一样的：

by(df, df$item, lm, fo = value ~ year) |>
  sapply(coef) |>
  t() |>
  data.frame(unique(df$item)) |>
  `colnames<-`(c('intercept', 'slope', 'year'))

library(tidyverse)

df %>% group_by(item) %>% 
do(reg = lm(value ~ year, data = .)$coefficients) %>%
unnest_wider(reg)

给出，

#   item `(Intercept)`   year
#  <dbl>         <dbl>  <dbl>
#1     1         0.500  0.7  
#2     2         3.50  -0.500
#3     3         0.5    0.5  
#4     4         1.5    0