7

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 aggregate 将函数应用于按因子分割的数据框的一部分：

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

尝试对另一个函数使用聚合（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，用 ddply （plyr 包）尝试同样的方法：

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、链接和批评。

4

3 回答 3

14

aggregate独立地在每一列上调用 FUN，这就是你获得独立手段的原因。 ddply将所有列传递给函数。aggregate可以按顺序快速演示正在传递的内容：

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，将发送各个列进行打印。

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，正在发送数据帧进行打印。

于 2013-01-05T22:02:06.383 回答
8

您已经被告知为什么aggregate将错误的 {base} 函数用于需要两个向量作为参数的函数，但您还没有被告知哪种非 ddply 方法会成功。

by( ... grp, FUN)方法：

> cbind (by( mydat, mydat["group"], function(d) cor(d$first, d$second)) )
        [,1]
a  0.6529822
b -0.1964186

sapply(split( ..., grp), fn)方法_

> sapply(  split( mydat, mydat["group"]), function(d) cor(d$first, d$second)) 
         a          b 
 0.6529822 -0.1964186
于 2013-01-05T22:23:14.007 回答
6

@MatthewLundberg 的答案非常好，我的答案不是答案，但这只是我想查看某些 R 函数调用背后发生的情况时使用的一般提示。我使用调试命令browser。

aggregate(mydat[,1:3], by=list(mydat$group), 
+           function(x){
+             browser()
+             mean(x)
+           })
Called from: FUN(X[[1L]], ...)
Browse[1]> x
[1] 16 10 16 13 25

然后对于 ddply

ddply(mydat, .(group), function(u) {
+   browser()
+   cor(u$first,u$second)
+   })
Called from: .fun(piece, ...)
Browse[1]> u
  first second third group
1    16      8     9     a
2    10      6     6     a
3    16      6    10     a
4    13      8    10     a
5    25     10     4     a

自己编辑调试错误

在这里，我使用该技术来查看为什么会出现错误

aggregate(mydat[,1:3], by=list(mydat$group), function(u) {
+   browser()
+   cor(u$first,u$second)
+   })
Called from: FUN(X[[1L]], ...)
Browse[1]> u
[1] 16 10 16 13 25

正如你在这里看到的，你是一个原子向量（没有列名）所以如果你尝试

Browse[1]> u$first

你得到一个错误：

Error in u$first : $ operator is invalid for atomic vectors
于 2013-01-05T22:14:07.543 回答