问题标签 [plyr]

我有一个模拟，它有一个巨大的聚合并在中间组合步骤。我使用 plyr 的 ddply() 函数对这个过程进行了原型设计，该函数非常适合我的大部分需求。但是我需要这个聚合步骤更快，因为我必须运行 10K 模拟。我已经在并行扩展模拟，但如果这一步更快，我可以大大减少我需要的节点数量。

这是我正在尝试做的合理简化：

感谢所有提示或建议！

Using R's builtin ToothGrowth example dataset, this works:

But I would like to have the subsetting factors be variables, something like

That doesn't work. How should this be done?

I thought perhaps something like this:

But it doesn't work either. I think I am close, but not sure the proper way to do it. I suppose the entire command could be put into a string, followed by an eval() call of the string, but hopefully is there a more elegant way?

我对 ddply 和子集有疑问。

我有这样的数据框 df ：

第一步 ：

我有一个与 cut_interval 等间隔的列表，如下所示：

所以我在这里有两个级别：[0,10) 和 (10,20]

第二步 ：

我希望每个组/类都由我在 v_cut 中的两个级别定义......就像这样：

第 3 步：

我想知道每个组 v_cut 的 x 轴的 v_rank 和 y 轴的时间的可变性，所以我需要用类似的东西计算 v_rank 值的 min、mean、max、sd

*想要的结果：*

我的问题

我不知道如何通过第 1 步 -> 第 2 步：/

如果可以像我在步骤 3 中的示例那样按 v_cut 分组？

是否有可能用 ddply 的“子集”选项做同样的事情？

再一次，非常感谢您的帮助伟大的 R 大师！

更新 1：

我有一个答案去 step1 到 step2 ：

我正在使用 plyr，但在这种情况下可能有更好的答案？

回答到第 2 步到第 3 步？

更新 2：

Brandon Bertelsen 用 melt + cast 给了我一个很好的答案，但现在（要理解）我想用 plyr 和 ddply 进行相同的操作 .. 得到不同的结果：

我正在尝试这样的事情：

但我想在我的 sumData 数据框中有 v_cut ，我该如何处理 ddply ？有没有办法做到这一点？或者与初始 df 和 key = v_idn 合并以将列 v_cut 添加到 sumData 是唯一好的答案？

我的数据如下所示：

该数据集中有 40,000 行，包含 54 个独特的模型。

如何获得汇总数据集，显示每个模型在方面 x 轮廓 x 覆盖组合中出现的次数？

我有一个包含 18 列和 11520 行的 data.frame （链接到文件），我像这样转换：

根据 system.time()，运行大约需要这么长时间：

这个调用是 webapp 的一部分，所以运行时间非常重要。有没有办法加快这个调用？

我正在使用 R 中一个名为 exp ( file here ) 的大型数据框。为了提高性能，建议我从 plyr 中检查 idata.frame() 函数。但我认为我用错了。

我原来的电话，很慢，但它有效：

使用 idata.frame，Error: is.data.frame(df) is not TRUE

所以，我想，也许这是我的数据。所以我尝试了baseball数据集。该idata.frame示例工作正常：dlply(idata.frame(baseball), "id", nrow)但如果我尝试使用类似于我想要的调用的东西baseball，它不起作用：

也许我的错误在于我如何指定分组？任何人都知道如何让我的例子工作？

预计到达时间：

我也试过：

它使用更快的方法来获取中位数，但给出了不同的错误。我认为我根本不了解如何使用 idata.frame。

我在 R 中使用 plyr 包来执行以下操作：

• 根据A列和B列从表A中取出一行
• 从表 B 中找到在 A 列和 B 列中具有相同值的行
• 将 C 列从表 B 复制到表 A

我已经制作了进度条来显示进度，但是在它显示到 100% 之后它似乎仍在运行，因为我看到我的 CPU 仍然被 RGUI 占用，但它并没有结束。

我的表 A 有大约 40000 行数据，具有唯一的 A 列和 B 列。

我怀疑 plyr 中“split-conquer-combine”工作流程的“combine”部分无法处理这 40000 行数据，因为我可以为另一个具有 4000 行数据的表执行此操作。

有什么提高效率的建议吗？谢谢。

更新

这是我的代码：

感谢大家提供关于使用 R 处理入院数据的问题的建议，我对这个问题还有一个问题，实际上应该是那个问题之前的任务。

现在我有一个这样的数据集：

我需要将其转换为：

目前我已经使用 转换它ddply，代码附在下面：

unique(Patients_ID)这可以解决我的问题，但是当数据集具有 8818和 1861时，它非常慢（在 P4 3.2 机器上超过 20 分钟）unique(Date)。我该如何改进呢？谢谢！

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？

我有一个这样的数据集：

我有一些来自同一个病人的实验室数据，一些实验室数据没有包含它应该有的出院日期。我需要将缺少的出院日期放入其中，目前我正在使用以下代码：

但这很慢（数据集有 92528 行和 70527 个唯一的患者 ID），我该如何加快速度？谢谢。