r - ddply 和聚合之间的区别

Question

有人可以通过以下示例帮助我了解聚合和 ddply 之间的区别:

一个数据框:

mydat <- data.frame(first = rpois(10,10), second = rpois(10,10), 
                    third = rpois(10,10), group = c(rep("a",5),rep("b",5)))

使用聚合将函数应用于按因子分割的数据帧的一部分:

aggregate(mydat[,1:3], by=list(mydat$group), mean)
  Group.1 first second third
1       a   8.8    8.8  10.2
2       b   6.8    9.4  13.4

尝试将聚合用于另一个函数(返回错误消息):

aggregate(mydat[,1:3], by=list(mydat$group), function(u) cor(u$first,u$second))
Error in u$second : $ operator is invalid for atomic vectors

现在，尝试使用 ddply(plyr 包)执行相同操作:

ddply(mydat, .(group), function(u) cor(u$first,u$second))
  group         V1
1     a -0.5083042
2     b -0.6329968

高度赞赏所有提示、链接、批评。

Answer 1

aggregate独立地在每一列上调用 FUN，这就是为什么你得到独立的手段。 ddply将所有列传递给函数。快速演示 aggregate 中传递的内容可能是为了:

一些用于演示的示例数据:

d <- data.frame(a=1:4, b=5:8, c=c(1,1,2,2))

> d
  a b c
1 1 5 1
2 2 6 1
3 3 7 2
4 4 8 2

通过使用函数 print并忽略命令的结果 aggregate或 ddply ，我们可以看到在每次迭代中传递给函数的内容。
aggregate :

tmp <- aggregate(d[1:2], by=list(d$c), print)
[1] 1 2
[1] 3 4
[1] 5 6
[1] 7 8

请注意，将发送单独的列进行打印。
ddply :

tmp <- ddply(d, .(c), print)
  a b c
1 1 5 1
2 2 6 1
  a b c
3 3 7 2
4 4 8 2

请注意，正在发送数据帧以进行打印。