ddply和聚合之间的区别

Question

有人可以通过以下示例帮助我理解aggregate和ddply之间的区别:

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

尝试将聚合用于另一个函数(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,尝试使用ddply(plyr包):

ddply(mydat, .(group), function(u) cor(u$first,u$second))
  group         V1
1     a -0.5083042
2     b -0.6329968

所有提示,链接,批评都非常感谢.

Answer 1

aggregate每个列独立调用FUN,这就是你获得独立手段的原因. ddply将所有列传递给该函数.aggregate可以按顺序快速演示传入的内容:

一些示例数据用于演示:

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

通过使用该功能print,而忽略了命令的结果aggregate或者ddply,我们可以看到被传递到每个迭代的功能.

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,将发送单个列进行打印.

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,数据帧正在发送以进行打印.

Answer 2

你已经被告知为什么aggregate错误的{base}函数用于需要两个向量作为参数的函数,但是你还没有被告知哪个非ddply方法会成功.

该by( ... grp, FUN)方法:

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

该sapply(split( ..., grp), fn)方法

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

Answer 3

@MatthewLundberg的答案是非常好的,我的它不是一个答案,但它只是我想要看到一些R函数调用背后发生的事情时使用的一般提示.我使用debug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

然后为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

编辑自己调试错误

在这里,我使用该技术来了解您收到错误的原因

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    

如你所见,你是一个原子向量(没有列名)所以如果你尝试

Browse[1]> u$first

你收到一个错误:

Error in u$first : $ operator is invalid for atomic vectors