do.call（rbind，…）是否有更高的替代品？

考虑以下数据帧

A

A <- data.frame(ID = c(1,1,1,2,2,2), num = c(6,2,8,3,3,1))

众所周知，

do.call（rbind，…）

在R用户中广受欢迎。但是有了

？Map

页面上的高阶函数编程函数（

Reduce

，

Filter

，等等），我想可能有一些我不知道的东西可以替代

do.call（rbind，…）

，它也会在过程中重置行名。我试过以下方法

> Reduce(function(x) { x$new <- c(diff(x$num), NA); x }, Map, split(A, A$ID))
# Error in f(init, x[[i]]) : unused argument (x[[i]])
> Reduce(function(x) { x$new <- c(diff(x$num), NA); x }, split(A, A$ID))
# Error in f(init, x[[i]]) : unused argument (x[[i]])
> Reduce(Map(function(x) { x$new <- c(diff(x$num), NA); x }, split(A, A$ID)))
# Error in Reduce(Map(function(x) { : 
#   argument "x" is missing, with no default

---

>Reduce（函数（x）{x$new Reduce（函数（x）{x$new Reduce）Map（函数（x）{x$new）M可以说，这种分割-应用-组合方法是
plyr
的全部内容。它不是在基R中，而是有效的“高阶”

dplyr
版本（显然
transform
不是
dplyr
感知的：必须改用
mutate
）

您可以从“data.table”中查看
rbindlist
：

库（data.table）
rbindlist（Map）（函数（x）{
x$new您可以
Reduce（rbind，Map…
），但为什么不直接使用
ave
或
aggregate
（或在那些隐藏
split
、
lappy
和
\u bind
？@alexis\u laz-
Reduce（rbind，Map…）的函数呢
是我正在寻找的或这个问题中的具体答案。你们中的一位应该将其作为答案发布。我希望@alexis_laz发布。这不是我的答案。他应该获得学分。你愿意解释一下最后的
[]
在做什么吗…？（其余的对我来说很有意义。）@BenBolker，这只是打印结果。这些都很好。我一直采用“如果你不必加载程序包，为什么要加载程序包”的方法。但现在，不利用所有优秀的程序包几乎是愚蠢的。也许我应该更新这个问题，给我你所有的
do.call（rbind，…）
替换。
> Reduce(function(x) { x$new <- c(diff(x$num), NA); x }, Map, split(A, A$ID))
# Error in f(init, x[[i]]) : unused argument (x[[i]])
> Reduce(function(x) { x$new <- c(diff(x$num), NA); x }, split(A, A$ID))
# Error in f(init, x[[i]]) : unused argument (x[[i]])
> Reduce(Map(function(x) { x$new <- c(diff(x$num), NA); x }, split(A, A$ID)))
# Error in Reduce(Map(function(x) { : 
#   argument "x" is missing, with no default

> M <- do.call(rbind, Map(function(x) { x$new <- c(diff(x$num), NA); x }, 
                          split(A, A$ID)))
> rownames(M) <- NULL
> M
#   ID num new
# 1  1   6  -4
# 2  1   2   6
# 3  1   8  NA
# 4  2   3   0
# 5  2   3  -2
# 6  2   1  NA

library("plyr")
ddply(A,"ID",transform,new=c(diff(num),NA))

library("dplyr")
A %>% group_by("ID") %>% 
     mutate(new=c(diff(num),NA))

library(data.table)

rbindlist(Map(function(x) { 
  x$new <- c(diff(x$num), NA)
  x}, split(A, A$ID)))
#    ID num new
# 1:  1   6  -4
# 2:  1   2   6
# 3:  1   8  NA
# 4:  2   3   0
# 5:  2   3  -2
# 6:  2   1  NA

DT <- as.data.table(A)

DT[, new := c(diff(num), NA), by = ID][]
#    ID num new
# 1:  1   6  -4
# 2:  1   2   6
# 3:  1   8  NA
# 4:  2   3   0
# 5:  2   3  -2
# 6:  2   1  NA