以下各节将更详细地深入介绍各个技术：

• 在“gapminder”（第 398 页）中，你将看到一个激励性的示例，它使用列表列来为世界经济数据拟合每个国家/地区的模型。
• 在“List-Columns”（第 402 页）中，你将了解更多关于列表列数据结构的知识，以及为什么将列表放入数据框是有效的。
• 在“Creating List-Columns”（第 411 页）中，你将学习创建列表列的三种主要方法。
• 在“Simplifying List-Columns”（第 416 页）中，你将学习如何将列表列转换回常规的原子向量（或原子向量的集合），以便更轻松地处理它们。
• 在“Making Tidy Data with broom”（第 419 页）中，你将了解 broom 提供的完整工具集，并了解如何将它们应用于其他类型的数据结构。

本章在某种程度上是一个愿景：如果这本书是你第一次接触 R，那么这一章可能会很艰难。它要求你深入内化关于建模、数据结构和迭代的思想。所以如果你没弄明白也不要担心——只需把这一章放在一边几个月，等你想要锻炼大脑时再回来。

前提条件

处理多个模型需要 tidyverse 的许多包（用于数据探索、整理和编程）以及 modelr 来辅助建模。

library(modelr) library(tidyverse)

gapminder

为了展示多个简单模型的力量，我们将研究“gapminder”数据。这些数据由瑞典医生兼统计学家 Hans Rosling 推广开来。如果你从未听说过他，请立即停止阅读本章，去看他的一个视频！他是一位出色的数据演示者，并展示了如何使用数据