ddply：推或拉？

Question

分组数据时ddply是推还是拉？ 即，它涉及数据帧上的多次传递，还是只涉及一次？

Answer 1

如果您查看代码，您会看到该函数的一般结构：

function (.data, .variables, .fun = NULL, ..., .progress = "none", 
    .drop = TRUE, .parallel = FALSE) 
{
    .variables <- as.quoted(.variables)
    pieces <- splitter_d(.data, .variables, drop = .drop)
    ldply(.data = pieces, .fun = .fun, ..., .progress = .progress, 
        .parallel = .parallel)
}
<environment: namespace:plyr>

所以它基本上以一种更容易使用的格式重新排列变量，然后将数据分成几部分，然后在这些部分上使用ldply。这些片段由函数splitter_d生成。 Pieces实际上比列表更复杂 - 它是指向原始数据和索引列表的指针。无论何时请求列表的一部分，它都会查找匹配的索引并提取相应的数据。这避免了浮动数据的多个副本。您可以使用getAnywhere("splitter_d")或plyr:::splitter_d来了解其功能。

ldply在每条数据上传递一次。之后，它将所有内容组合回数据框。实际上，在ldply的帮助文件中写道：

  

所有plyr函数都使用相同的函数   split-apply-combine策略：他们   将输入分成更简单的部分，   将.fun应用于每一件，然后   将各个部分组合成一个数据   结构体。此功能拆分列表   通过元素并结合结果   进入数据框架。如果没有   结果，然后这个功能会   返回零行数据框   列（data.frame（））。

我自己也说不出来。奇迹，第一句话也可以在ddply的帮助页面上找到。