r - group_by操作后dplyr如何为每个组生成数据帧？

Question

dplyr 包在流式数据处理中的流畅性让我非常震惊。最近急于解决一个问题，为每个组ID生成一个新的数据框，并将这些小数据框组合成一个最终的更大的数据框。一个玩具示例:

input.data.frame %>%
    group_by(gid) %>%
    {some operation to generate a new data frame for each group} ## FAILED!!!!

在 dplyr 中，函数 mutate向每个组添加新列和 summarise为每个组生成摘要，都不能满足我的要求。 (我错过了什么吗？)

或者，使用 ddply plyr 包，dplyr 之前的交互，我可以通过

ddply(input.data.frame, .(gid), function(x) {
     some operation to generate a new data frame for each group
}

但不足之处在于，当我加载 plyr 包时，dplyr 中的某些功能将被屏蔽掉。

Answer 1

以下是 G. Grothendieck 对类似问题的回答后的示例。 Adding rows in `dplyr` output

首先我们用 x 和 g 生成一个数据框。 x中有9个随机数，g中有3组a，b，c。我们想从每组中选择 2 个最大的数字。重要的是要记住 do 需要一个数据框作为返回值。

library(dplyr)
set.seed(1)
dat <- data.frame(x=runif(9),g=rep(letters[1:3],each=3))

dat
      x g
1 0.1765568 a
2 0.6870228 a
3 0.3841037 a
4 0.7698414 b
5 0.4976992 b
6 0.7176185 b
7 0.9919061 c
8 0.3800352 c
9 0.7774452 c

## this works
dat %>% dplyr::group_by( g ) %>% do( data.frame(x=tail(sort(.$x),2)) )

## this works too
dat %>% dplyr::group_by( g ) %>% do( .[tail(order(.$x),2),] )

          x      g
      (dbl) (fctr)
1 0.3841037      a
2 0.6870228      a
3 0.7176185      b
4 0.7698414      b
5 0.7774452      c
6 0.9919061      c

## no error, but x is treated as a 1x1 data frame
dat %>% dplyr::group_by( g ) %>% do( x=tail(sort(.$x),2) )
       g        x
  (fctr)    (chr)
1      a <dbl[2]>
2      b <dbl[2]>
3      c <dbl[2]>

## you need a function to do more complicated stuff 
top2x <- function(df) { df[tail(order(df$x),2),] }
dat %>% dplyr::group_by( g ) %>% do( top2x(.) )