有什么方法可以在 ddply 中进行过滤和汇总？答案

【问题标题】：Any way to do filtering as well as summarizing in ddply?有什么方法可以在 ddply 中进行过滤和汇总？
【发布时间】：2014-09-07 01:31:56
【问题描述】：

我刚开始使用ddply 并发现它非常有用。我想汇总一个数据框，并根据汇总列是否具有特定值来删除最终输出中的某些行。这就像 SQL 中的 HAVING 和 GROUP BY。这是一个例子：

input = data.frame(id=     c( 1, 1, 2, 2, 3,   3),
                   metric= c(30,50,70,90,40,1050),
                   badness=c( 1, 5, 7, 3, 3,  99))
intermediateoutput = ddply(input, ~ id, summarize,
                           meanMetric=mean(metric),
                           maxBadness=max(badness))
intermediateoutput[intermediateoutput$maxBadness < 50,1:2]

这给出了：

  id meanMetric
1  1         40
2  2         80

这是我想要的，但我可以在ddply 语句中以某种方式一步完成吗？

【问题讨论】：

如果您还没有对plyr 非常投入，那么您可能会从直接访问dplyr 中受益，这是新的改进版本。
只要确保你没有同时加载它们

标签： r plyr dplyr

【解决方案1】：

您应该尝试使用dplyr。它速度更快，而且代码更容易阅读和理解，尤其是如果您使用管道 (%>%)：

input %>%
    group_by(id) %>%
    summarize(meanMetric=mean(metric), maxBadness=max(badness)) %>%
    filter(maxBadness <50) %>%
    select(-maxBadness)

在@Arun 注释之后，您可以通过这种方式简化代码：

input %>%
    group_by(id) %>%
    filter(max(badness)<50) %>%
    summarize(meanMetric=mean(metric))

【讨论】：

dplyr 中是否有与as.data.table(input)[, list(meanMetric=mean(metric)[max(badness) < 50]), by=id] 等效的方法？
是的，你是对的@Arun（一如既往！）。代码可以简化，因为您不必计算 maxBadness 变量进行过滤。将其添加为编辑，我认为这或多或少等同于您的 data.table 代码。