问理解plyr的ddply函数

EN

plyr库有两个非常常见的“助手”函数，summarize和mutate。

当您想要丢弃不相关的数据/列时，只保留分组变量的级别以及这些组的特定和汇总函数(在您的示例中是length)，就会使用汇总。

Mutate用于添加列(类似于基R中的transform )，但不丢弃任何内容。如果您运行这两个命令，它们应该很好地说明两者之间的区别。

library(plyr)
ddply(mtcars, .(cyl), summarise, count = length(mpg))
ddply(mtcars, .(cyl), mutate, count = length(mpg))

在这个例子中，就像在您的示例中一样，目标是计算出每个组中有多少行。在将ddply与summarise一起使用时，我们需要选择一个以单个列(向量)作为参数的函数，因此length是一个不错的选择。因为我们只是在数行/取向量的长度，所以我们传递给它的列并不重要。或者，我们可以使用nrow，但是为此我们必须传递一个完整的data.frame，这样summarise就不能工作了。在这种情况下，它可以帮助我们输入：

ddply(mtcars, .(cyl), nrow)

但是如果我们想做的更多，总结真的很精彩。

ddply(mtcars, .(cyl), summarise, count = length(mpg),
      mean_mpg = mean(mpg), mean_disp = mean(disp))

还有别的办法吗？

是的，还有很多其他的方法。

我再次建议亚历克斯将dplyr用于类似的事情。summarize和mutate概念仍然被使用，但工作速度更快，代码可读性更强。

其他选项包括data.table包(也是一个很好的选项)、基本R中的tapply()或aggregate()以及无数其他可能性。