r - ddply：推还是拉？

Question

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

Answer 1

如果你看一下代码，你会看到函数的一般结构：

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>

所以它基本上以更易于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一点——它是指向原始数据和索引列表的指针。每当您请求列表的一部分时，它都会查找匹配的索引并提取适当的数据。这避免了数据的多个副本浮动。getAnywhere("splitter_d")您可以使用或来查看该功能plyr:::splitter_d。

ldply 对每条数据传递一次。之后，它将所有内容组合回数据框。实际上，在 ldply 的帮助文件中是这样写的：

所有 plyr 函数都使用相同的 split-apply-combine 策略：它们将输入拆分为更简单的部分，将 .fun 应用于每个部分，然后将这些部分组合成一个数据结构。此函数按元素拆分列表并将结果组合到数据框中。如果没有结果，则此函数将返回一个零行和零列的数据框 (data.frame())。

我自己不能说得更好。奇迹，第一句话也可以在 ddply 的帮助页面上找到。