r - 了解 plyr 的 ddply 函数

Question

我正在学习 R，但不理解以下函数的一部分。在下面的函数中 count=length(address) 到底在做什么？有没有其他方法可以做到这一点？

crime_dat = ddply(crime, .(lat, lon), summarise, count = length(address))

Answer 1

plyr 库有两个非常常见的“帮助”函数，summarize 和 mutate。

当您想要丢弃不相关的数据/列时使用汇总，仅保留分组变量的级别以及这些组的特定和汇总函数(在您的示例中，length )。

Mutate 用于添加一列(类似于基础 R 中的 transform)，但不会丢弃任何内容。如果您运行这两个命令，它们应该可以很好地说明差异。

library(plyr)
ddply(mtcars, .(cyl), summarise, count = length(mpg))
ddply(mtcars, .(cyl), mutate, count = length(mpg))

在此示例中，与您的示例一样，目标是确定每个组中有多少行。当像这样使用 ddply 和 summarise 时，我们需要选择一个将单列(向量)作为参数的函数，所以 length 是一个不错的选择。由于我们只是计算行数/获取向量的长度，所以我们传递给它的 列 并不重要。或者，我们可以使用 nrow，但为此我们必须传递整个 data.frame，因此 summarise 不起作用。在这种情况下，它可以节省我们的输入:

ddply(mtcars, .(cyl), nrow)

但如果我们想做更多，总结真的很出色

ddply(mtcars, .(cyl), summarise, count = length(mpg),
      mean_mpg = mean(mpg), mean_disp = mean(disp))

---

Is there another way to do this?

是的，还有很多其他方式。

我赞同 Alex 的建议，即使用 dplyr 来处理此类事情。 summarize 和 mutate 概念仍在使用，但它的工作速度更快，代码可读性更高。

其他选项包括 data.table 包(也是一个不错的选择)，tapply() 或 aggregate() 在 base R 中，以及无数其他可能性。