我经常使用ddply，但历史上只有summarize（偶尔mutate），只有基本功能，例如mean()，var1 - var2等。我有我试图应用自定义的，更复杂的函数并开始尝试使用ddply深入研究如何执行此操作的数据集。我已经有了一个成功的解决方案，但我不明白为什么它的工作方式与此相比更多＆＃34;正常＆＃34;功能
相关
以下是一个示例数据集：
library(plyr)
df <- data.frame(id = rep(letters[1:3], each = 3),
value = 1:9)
通常，我会像ddply这样使用：
df_ply_1 <- ddply(df, .(id), mutate, mean = mean(value))
我对此的可视化是ddply将df拆分为＆＃34; mini＆＃34;基于id的分组组合的数据框，然后通过在mean()中存在的列名称上调用df来添加新列。所以，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$value) })
Error: attempt to replicate an object of type 'closure'
有关自定义功能的所有帮助都不适用mutate，但这似乎不一致，或者至少令我烦恼，因为我实施的解决方案的模拟是：
df_mean <- function(df) {
temp <- data.frame(mean = rep(mean(df$value), nrow(df)))
temp
}
df_ply_3 <- df
df_ply_3$mean <- ddply(df, .(id), df_mean)$mean
在线，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
为什么我不能将mutate与自定义功能一起使用？它只是＆＃34;内置＆＃34;函数返回某种类ddply可以处理的类而不必踢出一个完整的data.frame，然后只调出我关心的列？
感谢您帮助我＆＃34;得到它＆＃34;！
@ Gregor回答后更新
很棒的答案，我想我现在明白了。我确实对mutate和summarize的含义感到困惑......认为他们是ddply关于如何处理结果而不是实际 的论据功能本身。所以，多亏了这个重要的洞察力。
此外，它真的有助于理解没有 mutate/summarize，我需要返回data.frame，这就是我必须cbind列的原因使用df中返回的列的名称。
最后，如果我做使用mutate，现在意识到我可以返回一个矢量结果并获得正确的结果是有帮助的。因此，我可以做到这一点，我在阅读你的答案后已经理解了这一点：
# I also caught that the code above doesn't do the right thing
# and recycles the single value returned by mean() vs. repeating it like
# I expected. Now that I know it's taking a vector, I know I need to return
# a vector the same length as my mini df
custom_mean <- function(x) {
rep(mean(x), length(x))
}
df_ply_5 <- ddply(df, .(id), mutate,
mean = custom_mean(value))
再次感谢您的深入解答！
根据@ Gregor的最新评论更新
嗯。由于对rep(mean(x), length(x))的结果的观察，我使用了df_ply_3（我承认在我第一次发布这个帖子时没有仔细查看它，我只是看到它没有＆ ＃39;给我一个错误！）：
df_mean <- function(x) {
data.frame(mean = mean(x$value))
}
df_ply_3 <- df
df_ply_3$mean <- ddply(df, .(id), df_mean)$mean
df_ply_3
id value mean
1 a 1 2
2 a 2 5
3 a 3 8
4 b 4 2
5 b 5 5
6 b 6 8
7 c 7 2
8 c 8 5
9 c 9 8
所以，我认为我的代码实际上是一个意外，因为我有3个id变量重复了3次。因此，实际回报相当于summarize（每id个值一行），并且已回收。如果我像这样更新数据框，那么测试该理论看起来是准确的：
df <- data.frame(id = c(rep(letters[1:3], each = 3), "d"),
value = 1:10)
尝试将df_ply_3方法与df_mean()：
Error in `$<-.data.frame`(`*tmp*`, "mean", value = c(2, 5, 8, 10)) :
replacement has 4 rows, data has 10
因此，传递给df_mean的迷你df会返回df，其中mean是value向量（返回一个值）时取均值的结果。因此，我的输出只是data.frame三个值，每个id组一个。我认为mutate方式会记住＆＃34;记得＆＃34;它传递了一个迷你数据帧，然后重复单个输出以匹配它的长度？
无论如何，感谢您对df_ply_5发表评论;实际上，如果我删除rep()位并返回mean(x)，它就会很棒！
答案 0 :(得分：11)
你大部分都是对的。 ddply确实会根据石斑鱼将数据分解为迷你数据框，并对每个部分应用一个函数。
使用ddply，所有工作都是使用数据框完成的，因此.fun参数必须将（迷你）数据框作为输入并返回数据框作为输入输出
mutate和summarize是适合此帐单的函数（它们接收并返回数据框）。您可以查看其各自的帮助页面，或在ddply之外的数据框上运行它们，例如。
mutate(mtcars, mean.mpg = mean(mpg))
summarize(mtcars, mean.mpg = mean(mpg))
如果您不使用mutate或summarize，即仅使用自定义功能，那么您的功能也需要将（迷你）数据帧作为参数，并返回一个数据帧。
如果您执行使用mutate或summarize，ddply不会使用您传递给ddply的任何其他功能，重新传递给mutate或summarize使用。 mutate和summarize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，我们没有传递mutate函数。我们不说ddply(mtcars, "cyl", mutate, mean)。我们必须告诉它该采取什么意思。在?mutate中，...的描述是“命名参数，给出了新列的定义”，而不是与函数有关。 （mean()是否与任何“自定义函数”完全不同？不。）
因此它不适用于匿名函数 - 或根本不起作用。传递一个表达！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))
这很好，您可以使用带有多个参数的函数，并且可以为它们提供不同的列作为参数，但如果您使用mutate或summarize，则必须提供其他函数参数;你不只是传递这些功能。
您似乎想要传递ddply一个已经“知道”哪个列的函数。为此，我认为您需要不使用mutate或summarize，但您可以破解自己的版本。对于类似summarize的行为，返回带有单个值的data.frame，对于mutate - 类似行为，返回原始data.frame，并在cbind >
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)
为什么我不能在自定义函数中使用mutate？只是“内置”函数返回某种类，ddply可以处理这些类而不必踢出一个完整的data.frame然后只调出我关心的列吗？
恰恰相反！ mutate和summarize将数据框作为输入，并将数据帧作为返回值踢出。但是变异和总结是你传递给ddply的函数，而不是意思或其他任何东西。
变异和总结是您在99％的时间内使用ddply时使用的便利功能。
如果你不使用mutate / summarize，那么你的函数需要获取并返回一个数据框。
如果你确实使用mutate / summarize，那么你不传递它们的函数，你传递它们可以用你的（迷你）数据框评估的表达式。如果它是变异的，则返回应该是要附加到数据的向量（根据需要回收）。如果总结，则返回值应为单个值。您没有传递函数，例如mean;你传递了一个表达式，比如mean(mpg)。
dplyr怎么样？这是在dplyr之前编写的，或者至少是一件大事。 dplyr从这个过程中消除了很多混淆，因为它实际上取代了ddply与mutate或summarize的嵌套作为参数与顺序函数group_by后跟mutate或summarize。我的答案的dplyr版本将是
library(dplyr)
group_by(mtcars, cyl) %>%
mutate(mean.mpg = mean(mpg))
将新列创建直接传递给mutate（或summarize），不会混淆哪个函数做什么。