是否可以使用transform添加data.frame上每行操作的结果？

我有点困惑。我经常这样使用transform

    ddply(data.frame, 1, transform, new.column = function(old.col.1,old.col.2,...))

这也是

但最近哈雷和哈雷说：

不要使用变换。它是一个适合交互使用的辅助函数，而不是用于编程

那么转换有什么问题？我想我现在确信这是愚蠢的：

   transform(data.frame,col2=fun(col1)).

---

但是它在ddply设置中不是很有用吗？

在

ddply

中使用

transform

与将函数

transform（）

作为独立函数使用是有区别的。这样做更好（更快）：

Mydata$col3 <- fun(Mydata$col1, Mydata$col2)

transform（）

的特点是，它是专门为交互使用而编写的。如果在函数中使用它，可能会遇到麻烦。在这方面，它类似于

subset（）

：它们是方便的函数，但在更复杂的代码中使用既不快速也不安全

在

ddply（）

上意见分歧。在某些情况下，它工作得很快，并给出非常干净和可重构代码，在其他情况下，我认为这是严重的过度。code>ddply（）通常在必须使用非矢量化函数时工作得更快、更轻松，在这种情况下，上述选项将无法工作。但为此，您还可以选择使用mapply：

Mynewdata <- within(Mydata, col3 <- mapply(myfun,col1,col2))

---

这两个函数都计算正确的结果，但是

mapply（）

的计算速度更快，在这种情况下，并且保留了数据帧中观察值的顺序

好的，但是这个命令呢：“ddply（data.frame，1，transform，new.column=function（old.col.1，old.col.2，…）”？有没有一行完全相同的替代方案？谢谢你的扩展答案！我认为内部应用解决方案将很好地替代ddply转换。然而，我并没有被ddply的排序所困扰。大多数情况下，这是一个令人讨厌的问题，但不同数据之间的关联仍然没有被打乱——这当然会使ddply变得毫无用处。我也有这个问题，但在阅读了你的答案后，我仍然感到困惑。我的问题是：这两种说法在功能上是等价的吗

ddply（data.frame，“var”，transform，new.col=1/x）

和

transform（data.frame，new.col=1/x）

subset（）肯定会死掉

Mynewdata <- within(Mydata,{
    col2 <- fun1(col1)
    col3 <- fun2(col1,col2)
})

Mynewdata <- within(Mydata, col3 <- mapply(myfun,col1,col2))

Mydata <- data.frame(col1=rnorm(5),col2=rpois(5,3))
myfun <- function(x,y){
    if(y == 0) mean(x) else
     mean(c(x,seq(1,y,by=1)))
}

code1 <- expression(Newdata <- ddply(Mydata,1,transform,col3=myfun(col1,col2)))
code2 <- expression(Newdata2 <- within(Mydata, col3 <- mapply(myfun,col1,col2)))

> benchmark(code1,code2)
   test replications elapsed relative 
1 code1          100    0.50     12.5 
2 code2          100    0.04      1.0 

Mydata              Newdata2                    Newdata
        col1 col2         col1 col2      col3         col1 col2      col3
1 0.07060223    4 | 0.07060223    4 2.0141204 | 0.05658259    2 1.0188609
2 1.84645791    2 | 1.84645791    2 1.6154860 | 0.07060223    4 2.0141204
3 0.05658259    2 | 0.05658259    2 1.0188609 | 0.84119845    1 0.9205992
4 0.89998084    5 | 0.89998084    5 2.6499968 | 0.89998084    5 2.6499968
5 0.84119845    1 | 0.84119845    1 0.9205992 | 1.84645791    2 1.6154860