我正在尝试根据给定变量的边界值拆分数据框，计算边界两侧的内容并输出矩阵（最好是数据框）。示例代码如下：

我的结果：

我的连续变量是tdata$a1，我想每次使用 2 中的边界值拆分数据帧，对拆分的每个部分1:9执行计算a2，然后返回。

我的问题是：就优雅而言（查看plyr解决方案但无法避免使用第一个 sapply）以及更重要的是正确使用我可能不知道的其他 R 函数，最好的方法是什么。我还担心我的解决方案无法很好地扩展数据帧，而不是我目前拥有的数据帧（约 10000 行）。

我在 R 中有一个如下形式的数据框：

我想使用函数在Score列之后聚合它max

但我也想显示与每组列Info的最大值关联的列。Score我不知道该怎么做。我想要的输出是：

有什么提示吗？

我发现 Hadley 的R 软件包plyr非常有用，它是一个用于转换数据的出色 DSL。解决的问题是如此普遍，以至于我在其他用例中遇到它，而不是在 R 中操作数据，而是在其他编程语言中。

有谁知道是否存在一个为 python 做类似事情的模块？就像是：

实现起来应该不会太难，但如果它已经存在那就太好了。我会实现它，我会使用itertools.groupbygroup by cols，然后应用该op功能，然后使用 itertools.chain 将其全部链接起来。有更好的解决方案吗？

我有一个看起来像这样的事务数据库：

PaymentDate 是 posix 格式。对于交易数据，我不想按时间间隔聚合（这是有据可查的），而是按 ID。

使用带有 Posix 时间的 min() 给出第一天， max() 最后一天。这是我需要的每个 ID 的信息。

好的，这是我尝试过的：

显然，如果您需要时间聚合而不是按时间聚合，则聚合不适用于 posix 时间。

但是必须可以获取第一个和最后一个交易日期？！

回复

好的，因为我还不能回答我自己的问题，所以我把它贴在这里：

有趣的。谢谢！

我通常将 as.is=T 选项与 read.csv 一起使用，然后使用 strptime 转换时间。因此，当我查看数据结构时，我得到：

对我来说，这看起来不是一个因素。我可以在整个列上使用 min() 和 max() 并且它可以工作。显然，POSIXlt 比我想象的要麻烦。来自 POSIXlt，我做到了

查看结构，类正确设置为日期。

现在它似乎工作了。但是，只有ddply返回正确的格式“2020-01-25”，而aggregate和summaryBy都返回“18286”格式。那是从 1970 年 1 月 1 日开始的日子吗？好吧，我想我可以将其转换回来。

但是，必须有一些解释。此外， ddply 慢得多。

哦，我为什么要先用strptime呢？好吧，原始文件中的日期格式不同，“%d-%m-%y”。直接使用 as.Date 似乎不起作用。

编辑

我的数据的输入

dput 按照你的建议做后：

原始数据的输入

或者更确切地说，我怎样才能做得比我捏造的更好。

我有一个数据框，其中包含一组名称以及开始和结束日期。我想生成一个数据框，其中包含随着时间的推移组中的人数。注意，有些人还没有离开（结束日期为 NA）

这是一个示例数据集

在这里，我创建了一个数据框，其日期涵盖了我想要的范围。这感觉很脏。

现在我使用 ddply 来产生结果。

一定有更简单的方法吗？

如何将文本添加到使用 geom_jittered 渲染的点以标记它们？geom_text 不起作用，因为我不知道抖动点的坐标。您能否捕获抖动点的位置，以便我可以传递给 geom_text？

我的实际用法是在其上绘制带有 geom_jitter 的箱线图以显示数据分布，我想标记异常点或符合特定条件的点（例如，用于为绘图着色的值的下 10% ）。

一种解决方案是捕获抖动图的 xy 位置并稍后在另一层中使用它，这可能吗？

[更新]

从 Joran 的回答中，一个解决方案是使用基本包中的 jitter 函数计算抖动值，将它们添加到数据框并与 geom_point 一起使用。对于过滤，他使用 ddply 有一个过滤列（一个逻辑向量）并将其用于对 geom_text 中的数据进行子集化。

他要求一个最小的数据集。我刚刚修改了他的示例（标签列中的唯一标识符）

这是 joran 示例与我的数据并将 id 的显示降低到最低 1% 的结果

这是对代码的修改，使另一个变量具有颜色并显示该变量的一些值（每组的最低 1%）：

是否可以在 ddply 中使用空格？

我正在使用列名中有很多空格的电子表格中的数据，我想保留这些名称，因为稍后我想用与原始列名相同的列名导出这些数据。有 200 多个列，使用 make.names 当然会给我正确的名称，但是我会丢失原始的列名。

但是 ddply 似乎不喜欢空格？有解决方法吗？

我正在尝试在其中使用 ddply 制作一个函数。但是我无法上班。这是一个复制我得到的虚拟示例。这和这个bug有什么关系吗？

我试图从plyr包中的 Diamonds 数据集中找到价格/克拉方面的最佳交易

所以我愿意

但是当我这样做时，我得到

因此，该索引似乎取自 ddply 制作的子组。这里只有第一个索引 4 对应于全局索引。例如，如果我查找 new[2,] 它不是 Fair、D、VS1 类型。

关于如何轻松检索全局索引位置的任何想法？

例如，您将如何优雅地添加一个 id 列？有更好的解决方案吗？

查看 plyr 教程，我发现以下准备工作：

现在一些模型

有什么区别？

当我检查

在这两种情况下，它都会产生具有相同数字的相同列。
然而回归系数完全不同......

知道这个符号是什么意思吗？