plyr在转换后不返回新变量

我正在努力学习如何在R/plyr中编写函数。我知道有更简单的方法来做我下面展示的事情，但这不是重点

在下面的示例中，PLYR不会将新变量返回到我的新数据帧

library(plyr)
highab <-subset(baseball, ab >= 600)

testfunc1 <-function(x) {
    print(x) #just to show me that the vector does get into the function. Works fine.
    medianAB <- median(x)
    print(medianAB) #just to prove that medianAB was calculated correctly. Works fine   
}


baseball3 <-ddply(highab, .(id), transform, testfunc1(ab))
str(baseball3$medianAB) #No medianAB

---

对不起。我误解了这个问题

请参见变换。您需要将所需的新变量指定为

tag=value

对。所以你需要像

baseball3 <- ddply(highab, .(id), transform, medianAB=testfunc1(ab))

baseball3只需做两个更改

删除函数中的打印命令，以便返回中值
按照Joshua的建议添加
medianAB=testfunc1（ab）
你完了

下面是带有输出的简化代码

library(plyr)
highab <-subset(baseball, ab >= 600)
baseball3 <-ddply(highab, .(id), transform, medianAB = median(ab))
summary(baseball3$medianAB)

库（plyr）
高AB=600）
baseball3起初，我喜欢将派生列添加到data.frame的习惯用法，但我发现
transform（）
的使用速度慢得令人无法接受

是否最好在
ddply（）
中使用lambda表单，然后调用merge
merge（）
？时间安排看起来很值得：

    > library(plyr)
    > highab <-subset(baseball, ab >= 600)
    > 
    > system.time( 
    +   baseball3.lambda <-merge(highab, 
    +     ddply(highab, .(id), 
    +       function(u) data.frame(medianAB = median(u$ab)))), FALSE)
       user  system elapsed 
      0.336   0.000   0.336 
    > 
    > system.time( 
        baseball3.orig <- ddply(highab, .(id), 
          transform, medianAB = median(ab)), FALSE)
       user  system elapsed 
      0.640   0.000   0.641 
    > 
    > summary(baseball3.lambda$medianAB)
       Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      600.0   612.0   621.5   623.1   631.5   677.0 
    > summary(baseball3.orig$medianAB)
       Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      600.0   612.0   621.5   623.1   631.5   677.0 

>库（plyr）
>高AB=600）
> 
>系统时间（
+baseball3.lambda
>系统时间（
baseball3.orig
>摘要（baseball3.lambda$medianAB）
最小第一个曲中位数平均第三个曲最大值。
600.0   612.0   621.5   623.1   631.5   677.0 
>摘要（Baseball 3.原始$medianAB）
最小第一个曲中位数平均第三个曲最大值。
600.0   612.0   621.5   623.1   631.5   677.0 

十分之三秒可能看起来不多，但它将执行时间减少了一半。选择整个
棒球
数据集，改进更大。
谢谢Joshua，但这两种方法都不起作用。这很奇怪。@John:对不起，我真的应该在提交答案之前测试一下…：-/我认为也需要1，但
print（medianAB）
将从函数返回
medianAB
，因此您只需要#2。@joshua mmmm您是对的。想知道当我刚刚应用#2时出现了什么错误，并得到了一个错误。在函数调用之前指定了新变量就成功了。谢谢大家。例如，“baseball3”是“慢得让人无法接受的大集合”注释，您试过了吗>：=
运算符通过引用添加列？不，我没有尝试
数据。虽然我知道在许多情况下，表的速度很快。实际上我想找到/弄清楚的是如何合并这两种方法，拆分应用从
ddply
减少到
data.table
的速度提高。不幸的是，您将uld必须更改为data.table语法以获得速度优势：
DT[i，j，by]
。采用data.frames上的adapt
plyr
方法来充分利用
data.table
快速索引难道没有意义吗？毕竟
data.table
是一种基础设施改进，而不是解决状态问题的高级方法。…
data.table
是一种高级方法。您阅读了15篇文章了吗（独立）？
    > library(plyr)
    > highab <-subset(baseball, ab >= 600)
    > 
    > system.time( 
    +   baseball3.lambda <-merge(highab, 
    +     ddply(highab, .(id), 
    +       function(u) data.frame(medianAB = median(u$ab)))), FALSE)
       user  system elapsed 
      0.336   0.000   0.336 
    > 
    > system.time( 
        baseball3.orig <- ddply(highab, .(id), 
          transform, medianAB = median(ab)), FALSE)
       user  system elapsed 
      0.640   0.000   0.641 
    > 
    > summary(baseball3.lambda$medianAB)
       Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      600.0   612.0   621.5   623.1   631.5   677.0 
    > summary(baseball3.orig$medianAB)
       Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
      600.0   612.0   621.5   623.1   631.5   677.0