如何使用 ddply 或 dplyr 针对数据框评估具有未矢量化输入的多变量函数？

Question

我正在尝试对使用扩展网格创建的数据集的一系列点进行数值模拟。如果可能的话，我想使用plyr 或dplyr。但是，我不明白语法。

下面的代码是否有一点小扰动，将 x 和 y 的值分别应用于 f？

f <- function(x, y) {
    A <- data_frame(a = x*runif(100) - y)
    B <- data_frame(b = A$a - rnorm(100)*y)
    sum(A$a) - sum(B$b)
}

X <- expand.grid(x = 1:10, y = 2:8)
X %>% mutate(z = f(x, y))

我曾希望 ddply 可以让这更容易。

编辑：这似乎符合预期：

 X %>% ddply(.(x, y), transform, z = f(x, y))

Answer 1

让我们重写你的函数以在没有data_frame 调用的情况下做同样的事情，只使用向量会更快：

f <- function(x, y) {
    a = x * runif(100) - y
    b = a - rnorm(100) * y
    sum(a) - sum(b)
}

由于您想将其应用于每一行，您可以使用plyr 或dplyr 来实现。这些工具是为“split-apply-combine”而设计的，您可以在其中将数据框由一些 grouper 拆分为多个部分，对每个部分执行某些操作，然后将其重新组合在一起。您想为每一行设置一些内容，因此我们将 x 和 y 都设置为分组变量，这是因为 x 和 y 的组合唯一地定义了一行：

# plyr
ddply(X, .(x, y), plyr::mutate, z = f(x, y))

# dplyr
group_by(X, x, y) %>% dplyr::mutate(z = f(x, y))

对于plyr 和dplyr，使用mutate 函数是因为您希望在现有数据框中添加一列，同时保持相同的行数。另一个常用函数是summarize，当您想要将具有多行的组压缩为单个摘要行时使用该函数。 mutate 与 base::transform 非常相似。

使用plyr 进行数据框操作确实没有任何优势，dplyr 更快，并且大多数人认为更容易理解。当您有更复杂的操作并且使用组而不是单独的行时，它真的会发光。对于单个行，基本函数 mapply 运行良好：

X$z = mapply(f, X$x, X$y)

（感谢 cmets 中的@jeremycg）。您可以使用dplyr，但在这种情况下没有理由这样做。