学习理解 plyr、ddply

Question

我一直试图通过尝试不同的变量和函数并查看结果来了解 plyr 的工作原理和方式。因此，我更多的是寻找关于 plyr 如何工作的解释，而不是具体解决它的答案。我已经阅读了文档，但我的新手大脑仍然没有得到它。

一些数据和名称：

mydf<- data.frame(c("a","a","b","b","c","c"),c("e","e","e","e","e","e")
                  ,c(1,2,3,10,20,30),
                  c(5,10,20,20,15,10))
colnames(mydf)<-c("Model", "Class","Length", "Speed")
mydf

问题 1：总结与转换语法

如果我输入：ddply(mydf, .(Model), summarise, sum = Length+Length)

我明白了：

`Model ..1
1     a   2
2     a   4
3     b   6
4     b  20
5     c  40
6     c  60

如果我输入：ddply(mydf, .(Model), summarise, Length+Length) 我会得到相同的结果。

现在如果使用变换：ddply(mydf, .(Model), transform, sum = (Length+Length))

我明白了：

  Model Class Length Speed sum
1     a     e      1     5   2
2     a     e      2    10   4
3     b     e      3    20   6
4     b     e     10    20  20
5     c     e     20    15  40
6     c     e     30    10  60

但如果我像第一个总结那样陈述它： ddply(mydf, .(Model), transform, (Length+Length))

  Model Class Length Speed
1     a     e      1     5
2     a     e      2    10
3     b     e      3    20
4     b     e     10    20
5     c     e     20    15
6     c     e     30    10

那么为什么添加“sum =”会有所不同呢？

问题 2：为什么这些不起作用？

ddply(mydf, .(Model), sum, Length+Length) #函数 (i) 中的错误：找不到对象“长度”

ddply(mydf, .(Model), length, mydf$Length) #Error in .fun(piece, ...) : 

2 个参数传递给需要 1 个的 'length'

这些例子更多地表明我根本不了解如何使用 plyr。

感谢任何回答者或解释。

Answer 1

我发现当我无法“可视化”R 中的任何功能工具如何工作时，最简单的做法是浏览单个实例：

ddply(mydf, .(Model), function(x) browser() )

然后实时检查x，这一切都应该是有意义的。然后，您可以在 x 上测试您的函数，如果它有效，您就是黄金（除非其他分组与您的第一个 x 不同）。

Answer 2

语法是：

ddply(data.frame, variable(s), function, optional arguments)

函数应该返回data.frame。在你的情况下，

• summarise 是一个函数，它将透明地创建一个新的 data.frame，并将您提供的表达式的结果作为进一步的参数 (...)

• transform 是一个基本 R 函数，将转换 data.frames（首先由变量拆分），根据您作为进一步参数提供的表达式添加新列。这些需要命名，这就是转换的工作方式。

如果您使用除子集、变换、变异、with、inside 或 summarise 之外的其他函数，您需要确保它们返回一个 data.frame（长度和总和不），或者至少返回一个输出适当长度的向量。

Answer 3

我理解ddply(... , .(...) , summarise, ...) 操作的方式旨在减少行数以匹配.(...) 分组变量中不同组合的数量。因此，对于您的第一个示例，这似乎很自然：

ddply(mydf, .(Model), summarise, sL = sum(Length)
  Model sL
1     a  3
2     b 13
3     c 50

好的。似乎对我有用（不是普通的 plyr 用户）。另一方面，transform 操作我理解是创建与数据帧长度相同的新列。这就是您的第一个transform 呼叫完成的。你的第二个（失败）是：

ddply(mydf, .(Model), transform, (Length+Length))

那个人没有为所执行的操作创建新名称，因此结果中没有新分配的内容。当您添加sum=(Length+Length) 时，突然有一个可用的名称，（并且sum 函数没有被使用）。使用函数名作为列名通常是个坏主意。

关于问题二，我认为 .fun 参数需要是一个 plyr 函数或适用于整个（拆分）数据帧而不是任何旧函数的东西。没有sum.data.frame 功能。但是“nrow”或“ncol”确实有意义。你甚至可以让 'str' 在那个位置上工作。应用于数据帧的长度函数给出了列数：

 ddply(mydf, .(Model), length )  # all 4's