Question

我想使用下面的代码使用plyr按类别计算最常见的因子级别。数据框b显示请求的结果。为什么c$mlevels只有值“numeric”？

require(plyr)
set.seed(0)
a <- data.frame(cat=round(runif(100, 1, 3)),
                levels=factor(round(runif(100, 1, 10))))
mode <- function(x) names(table(x))[which.max(table(x))]
b <- data.frame(cat=1:3,
                mlevels=c(mode(a$levels[a$cat==1]),
                       mode(a$levels[a$cat==2]),
                       mode(a$levels[a$cat==3])))
c <- ddply(a, .(cat), summarise,
           mlevels=mode(levels))

Answer 1

使用summarise时，plyr似乎在base中检查功能之前“看不到”在全局环境中声明的函数：

我们可以使用Hadley方便的pryr包检查这个。您可以通过以下命令安装它：

library(devtools)
install_github("pryr")


require(pryr)
require(plyr)
c <- ddply(a, .(cat), summarise, print(where("mode")))
# <environment: namespace:base>
# <environment: namespace:base>
# <environment: namespace:base>

基本上，它不会读取/知道/看到您的 mode功能。有两个替代品。第一个是@AnandaMahto建议的，我会做同样的事情并建议你坚持下去。另一种方法是不使用summarise并使用function(.)调用它，以便“看到”全局环境中的mode函数。

c <- ddply(a, .(cat), function(x) mode(x$levels))
#   cat V1
# 1   1  6
# 2   2  5
# 3   3  9

为什么这样做？

c <- ddply(a, .(cat), function(x) print(where("mode")))
# <environment: R_GlobalEnv>
# <environment: R_GlobalEnv>
# <environment: R_GlobalEnv>

因为如上所述，它会读取位于global environment。

中的函数

> mode # your function
# function(x)
#     names(table(x))[which.max(table(x))]
> environment(mode) # where it sits
# <environment: R_GlobalEnv>

而不是：

> base::mode # base's mode function
# function (x) 
# {
#     some lines of code to compute mode
# }
# <bytecode: 0x7fa2f2bff878>
# <environment: namespace:base>

Here's an awesome wiki来自哈德利的environments，如果您有兴趣进一步阅读/探索。

Answer 2

您在示例中几乎只使用了现有的函数名称：levels，cat和mode。通常，这不会产生太多问题 - 例如，调用data.frame“df”不会破坏R的df()函数。但它几乎总会导致更模糊或令人困惑的代码，并且在这个的情况下，它使事情“破裂”。 Arun的回答是伟大的工作，显示原因。

您可以通过重命名“模式”功能轻松解决问题。在下面的示例中，除了重命名之外，我还简化了一点，它可以按预期工作。

Mode <- function(x) names(which.max(table(x)))
ddply(a, .(cat), summarise,
      mlevels=Mode(levels))
#   cat mlevels
# 1   1       6
# 2   2       5
# 3   3       9

当然，有一个非常麻烦的解决方法：使用get并指定搜索功能的位置。

> mode <- function(x) names(table(x))[which.max(table(x))]
> ddply(a, .(cat), summarise, mlevels = get("mode", ".GlobalEnv")(levels))
  cat mlevels
1   1       6
2   2       5
3   3       9

使用plyr按类别计算最频繁的级别

2 个答案: