R 使用ddply+；使用自定义函数进行变异？

我经常使用

ddply

，但历史上使用

summary

（偶尔使用

mutate

）和一些基本函数，如

mean（）

，

var1-var2

，等等。我有一个数据集，我正试图在其中应用自定义，更复杂的函数，并开始尝试深入研究如何使用

ddply

实现这一点。我已经有了一个成功的解决方案，但我不明白为什么它是这样工作的，而不是为了更“正常”的功能

相关的

• （我最终将我的解决方案建立在这个基础上）

下面是一个示例数据集：

library(plyr)
df <- data.frame(id = rep(letters[1:3], each = 3),
                 value = 1:9)

我的设想是，

ddply

根据

id

的分组组合将

df

拆分为“迷你”数据帧，然后我通过对

df

中存在的列名调用

mean（）

添加一个新列。因此，我尝试实现一个函数扩展了这个想法：

# actually, my logical extension of the above was to use:
# ddply(..., mean = function(value) { mean(value) })
df_ply_2 <- ddply(df, .(id), mutate,
                  mean = function(df) { mean(df$value) })

Error: attempt to replicate an object of type 'closure'

排队时，看起来我必须这样做：

df_ply_4 <- df
df_ply_4$mean <- ddply(df, .(id), function(x) {
    temp <- data.frame(mean = rep(mean(x$value), length(x$value)))
    temp})$mean

再次感谢您的深入回答

---

根据@Gregor的最后评论更新

嗯，我使用了

rep（平均值（x），长度（x））

，因为对

df_ply_3

的结果进行了观察（我承认在我第一次写这篇文章时没有仔细看它，我只是看到它没有给我一个错误！）：

尝试将

df\u ply\u 3

方法与

df\u mean（）

一起使用时出现错误：

---

“$中的错误您基本上是对的

ddply

确实可以根据grouper将数据分解为小型数据帧，并对每个数据块应用一个函数

使用

ddply

，所有工作都是通过数据帧完成的，因此

.fun

参数必须将一个（小型）数据帧作为输入，并返回一个数据帧作为输出

mutate

和

summary

是适合此账单的函数（它们获取并返回数据帧）。您可以查看他们各自的帮助页面，或在

ddply

之外的数据框上运行这些页面以查看此信息，例如

mutate(mtcars, mean.mpg = mean(mpg))
summarize(mtcars, mean.mpg = mean(mpg))

如果不使用

mutate

或

summary

，即仅使用自定义函数，则函数还需要将（迷你）数据帧作为参数，并返回数据帧

如果您使用

mutate

或

summary

，则传递给

ddply

的任何其他函数都不会被

ddply

使用，它们只是被传递给

mutate

或

summary

使用。

mutate

和

summary

使用的函数作用于数据列，而不是整个data.frame。这就是为什么

ddply(mtcars, "cyl", mutate, mean.mpg = mean(mpg))

请注意，我们不会传递

mutate

函数。我们不会说

ddply（mtcars，“cyl”，mutate，mean）

。我们必须告诉它该怎么做。在

？mutate

中，

..

的描述是“给出新列定义的命名参数”，与函数无关。（mean（）真的与任何“自定义函数”不同吗？否）

因此，它不适用于匿名函数——或者根本不适用于函数。给它一个表情！您可以预先定义自定义函数

custom_function <- function(x) {mean(x + runif(length(x))}
ddply(mtcars, "cyl", mutate, jittered.mean.mpg = custom_function(mpg))
ddply(mtcars, "cyl", summarize, jittered.mean.mpg = custom_function(mpg))

tl；博士 为什么不能将mutate与自定义函数一起使用？是否只是“内置”函数返回ddply可以处理的某种类，而不是必须踢出完整的data.frame，然后只调用我关心的列

恰恰相反<代码>变异和

汇总

将数据帧作为输入，将数据帧踢出作为返回。但是，mutate和summary是传递给ddply的函数，而不是mean或其他任何函数

Mutate和summary是方便的函数，您将在使用

ddply

的99%时间内使用它们

如果不使用mutate/summary，那么函数需要获取并返回一个数据帧

如果您确实使用mutate/summary，那么您不会向它们传递函数，而是传递可以使用（迷你）数据框计算的表达式。如果它发生了变异，则返回值应该是附加到数据中的向量（根据需要循环）。如果是summary，则返回值应为单个值。您不需要传递函数，比如

mean

；传递一个表达式，如

mean（mpg）

---

dplyr怎么样？ 这是在

dplyr

成为大事之前写的

dplyr

消除了这个过程中的许多混乱，因为它基本上用

mutate

或

summary

替换了

ddply

的嵌套，作为带有顺序函数的参数

group\u by

后跟

mutate

或

summary

。我的答案的

dplyr

版本是

library(dplyr)
group_by(mtcars, cyl) %>%
    mutate(mean.mpg = mean(mpg))

---

新的列创建直接传递到

mutate

（或

summary

），因此不存在关于哪个函数做什么的混淆。

提问者的“自定义函数”的基本问题是，它试图处理来自全局环境的“太大”的对象对于多个较小的本地环境。似乎

mutate

函数应该抛出一条信息更丰富的错误消息。我同意错误消息没有什么帮助，在很多情况下，将对象从全局环境（通常作为额外参数）传递给函数正是需要的，所以我看不出一个明显的解决方案。也许

mutate

应该只产生错误消息：“不要向我发送函数。”这是一个很棒的答案，非常感谢您的帮助。我是函数新手，我认为另一个问题是假设定义一个“内联”函数将获取mini data.frame的名称（如

mean=function（value）{mean（value）}

将传递

mini.df$value

，而它只是一个名为

val的匿名对象
df <- data.frame(id = c(rep(letters[1:3], each = 3), "d"),
                 value = 1:10)

Error in `$<-.data.frame`(`*tmp*`, "mean", value = c(2, 5, 8, 10)) : 
  replacement has 4 rows, data has 10

mutate(mtcars, mean.mpg = mean(mpg))
summarize(mtcars, mean.mpg = mean(mpg))

ddply(mtcars, "cyl", mutate, mean.mpg = mean(mpg))

custom_function <- function(x) {mean(x + runif(length(x))}
ddply(mtcars, "cyl", mutate, jittered.mean.mpg = custom_function(mpg))
ddply(mtcars, "cyl", summarize, jittered.mean.mpg = custom_function(mpg))

mean.mpg.mutate = function(df) {
    cbind.data.frame(df, mean.mpg = mean(df$mpg))
}

mean.mpg.summarize = function(df) {
    data.frame(mean.mpg = mean(df$mpg))
}

ddply(mtcars, "cyl", mean.mpg.mutate)
ddply(mtcars, "cyl", mean.mpg.summarize)

library(dplyr)
group_by(mtcars, cyl) %>%
    mutate(mean.mpg = mean(mpg))