library(plyr) #比较旧的一个包, 主要用到ddply()这个函数
ddply(.data, .variables, .fun = NULL)
-
.variables: variables to split data frame by -
.fun: function to apply to each piece
下面对.fun参数展开讲
1. subset() 取子集
在各个分组中找出carat的最值，将原纪录输出（即还是保持原有数据框的格式）
ddply(diamonds,.(color),subset,carat==min(carat))
ddply(diamonds,.(color),subset,carat==max(carat))
原书第一版此处用order取carat最小的两个值有误！
在各个分组中找出carat在前0.1%（最重的那一批）的记录
ddply(diamonds,.(color),subset,carat > quantile(carat,0.999))
在各个分组中找出price大于均值的记录
ddply(diamonds,.(color),subset,price > mean(price))
2. transform() 数据变换
ddply(diamonds,.(color),transform,price = scale(price))
ddply(diamonds,.(color),transform,price = price-mean(price))
归一化函数
range01 <- function(v) {
rng <- range(v,na.rm = T)
(v-rng[1]) / diff(rng)
}
ddply(diamonds,.(color),transform,price = range01(price))
3. colwise() 使函数向量化
使能接受向量的函数也能接受数据框
> nmissing <- function(x) sum(is.na(x))
> nmissing(msleep$name)
[1] 0
> nmissing(msleep$brainwt)
[1] 27
> nmissing_df <- colwise(nmissing)
> nmissing_df(msleep)
name genus vore order conservation sleep_total sleep_rem sleep_cycle awake brainwt bodywt
1 0 0 7 0 29 0 22 51 0 27 0
简单用法
colwise(nmissing)(msleep)
类似的：numcolwise(median)(msleep,na.rm=T)、catcolwise()分别只对数值型和分类型操作
与ddply联用
> ddply(msleep,.(vore),numcolwise(median),na.rm=T)
vore sleep_total sleep_rem sleep_cycle awake brainwt bodywt
1 carni 10.4 1.95 0.3833333 13.6 0.044500 20.490
2 herbi 10.3 0.95 0.2166667 13.7 0.012285 1.225
3 insecti 18.1 3.00 0.1666667 5.9 0.001200 0.075
4 omni 9.9 1.85 0.5000000 14.1 0.006600 0.950
5 <NA> 10.6 2.00 0.1833333 13.4 0.003000 0.122
4. 自己写一个函数，满足输入输出为数据框即可
my_summary <- function(df) {
with(df,data.frame(
pc_cor=cor(price,carat,method = "spearman"),
lpc_cor=cor(log(price),log(carat))
))
}
> ddply(diamonds,.(color),my_summary)
color pc_cor lpc_cor
1 D 0.9561208 0.9606617
2 E 0.9600994 0.9643845
3 F 0.9641572 0.9623876
4 G 0.9633681 0.9696785
5 H 0.9730390 0.9801569
6 I 0.9834392 0.9865118
7 J 0.9846710 0.9879449
结果自动包含分组变量color，且放在第一列。
这一节中，有两个函数值得借鉴：2中的归一化函数、4中的求相关系数的函数。
