R ddply中的mapply

注：这是对这一点的直接跟进

---

我有一个非常长的数据帧，由两列组成，我将它们用作函数的参数，该函数将使用mapply查找第三列的值，如下所示：

df$3rd <- mapply(myfunction, A=df$1st, B=df$2nd)

这就是我得到的错误：

Error in `$<-.data.frame`(`*tmp*`, "n", value = c(1L, 1L, 1L, 1L, 1L,  : 
  replacement has 112 rows, data has 16

---

“$

ddply

中的

错误不是您在这里想要的，
ddply（df，.（1st），FUNCTION）
更像是：

for each val in unique(df$1st)
    outdf[nrow(outdf)+1,] = FUNCTION( df[df$1st==val] )

也就是说，它使由
函数
组成的
outdf
应用于
df
列所确定的子集

在任何情况下，我认为您的错误可能是因为您在
函数（x）x$3中使用了
df
而不是
x
。一般来说，plyr函数是为了方便起见（语法方便），apply函数族通常在考虑时间的时候做得更好。想提供一个可复制的小例子吗？@zach。看看我对你先前问题的解答。它不再需要使用
mapply
和
expand.grid
谢谢@mathematic.coffee。我认为你是对的——ddply不会带来性能提升，而且将我的函数矢量化是个好主意。然而，我的函数用于查找另外两个数据帧中的值——见上文和前面的问题——所以矢量化不可能实现。我想我会回到我的pre-R策略，它是用python处理我的数据，并使用R分析生成的表。@Zach。在的评论中，您找到了。“它对这个也有用吗？”马修道尔说。它可能适用于这种情况，但data.table不需要它。本问题旨在澄清前一个问题的解决方案之一遇到的问题。Ramnath的data.table解决方案速度足够快，内存占用更少，所以我可以直接使用他的解决方案，而不用担心这个问题。如果您想知道是否可以将多个参数传递给data.table，我不确定，但您肯定可以将其连续传递给函数。此外，-data.table的行为与data.frame不同，因此请仔细检查结果，直到确定正确为止。
library(reshape2)
foo <- data.frame(x = c('a', 'a', 'a', 'b', 'b', 'b'), 
                  y = c('ab', 'ac', 'ad', 'ae', 'fx', 'fy'))
bar <- data.frame(x = c('c', 'c', 'c', 'd', 'd', 'd'), 
                  y = c('ab', 'xy', 'xz', 'xy', 'fx', 'xz'))

nShared <- function(A, B) {
    length(intersect(with(foo, y[x==A]), with(bar, y[x==B])))
}

# Enumerate all combinations of groups in foo and bar
(combos <- expand.grid(foo.x=unique(foo$x), bar.x=unique(bar$x)))

# Find number of elements in common among all pairs of groups
combos$n <- mapply(nShared, A=combos$foo.x, B=combos$bar.x)

# Reshape results into matrix form
dcast(combos, foo.x ~ bar.x)
#   foo.x c d
# 1     a 1 0
# 2     b 0 1

for each val in unique(df$1st)
    outdf[nrow(outdf)+1,] = FUNCTION( df[df$1st==val] )