使用列索引时，R ddply 忽略拆分因子

Question

我需要使用 ddply 在我的数据框的多个列上应用多个函数。当我使用列名（下面示例中的 RV）时，我的拆分变量（下面的 Group 和 Round）起作用（我得到 Round 和 Group 的每个组合的平均值）。

我需要在 20 列上执行此操作，并且我正在考虑创建一个 for 循环并传递列索引。

当我使用列索引时（例如 df[[1]]，它在我的数据框中是“RV”），Group 和 Round 将被忽略，并返回 Round 和 Group 的所有组合的总平均值。

我尝试在 new.df3 中传递列名，但 Round 和 Group 再次被忽略。

df <- data.frame("RV" = 1:5, "Group" = c("a","b","b","b","a"), "Round" = c("2","1","1","2","1"))

# this works and a separate mean for each combination of "Group" and "Round" is calculated 
new.df <- ddply(df, c("Group", "Round"), summarise,
            mean= mean(RV))

# this does not work and the grand mean is returned for all combinations of "Group" and "Round" 
new.df2 <- ddply(df, c("Group", "Round"), summarise,
            mean= mean(df[[1]]))

# this does not work and the grand mean is returned for all combinations of "Group" and "Round"     
new.df3 <- ddply(df, c("Group", "Round"), summarise,
             mean= mean(df[,colnames(df[1])]))

我尝试了“lapply”并且存在同样的问题。有什么建议为什么会发生这种情况以及我该如何解决？

Answer 1

与plyr 一样出色的软件包，您最好在这里更新到它的最新版本dplyr。在那里，代码将是

v <- vars(RV) # add all your variables here
new.df <- df %>%
  group_by(Group, Round) %>%
  summarize_at(v, funs(mean))

因此，使用这种方法，您将所有变量插入v，您将得到所有变量的平均值，对于Group 和Round 的每个组合。管道运算符 (%>%) 在您第一次看到时看起来很奇怪，但它有助于简化您的代码。它获取前一个函数的输出并将其设置为下一个函数的第一个参数。很容易看出我们采用df，按Group 和Round 分组，然后对它们进行汇总。

如果您真的想坚持使用plyr，我们也可以在那里找到解决方案：

new.df <- ddply(df, c("Group", "Round"), summarise,
  RV_mean = mean(RV),
  var2_mean = mean(var2) # add a more variables just like this
)

我们也可以使用您的列表方法：

new.df2 <- ddply(df, .(Group, Round), function(data_subset) { # note alternative way to reference Group and Round
  as.data.frame(llply(data_subset[,c("RV"), drop = FALSE], mean)) # add your variables here
})

请注意，在ddply 中，我总是在我的函数调用中引用数据框的子集，我从不引用df。 df 总是指原始数据框，而不是您尝试使用的子集。