ddply：推或拉？

Question

分組數據時，ddply是推還是拉？即，它是否涉及數據框上的許多傳遞，還是僅涉及一個？

Answer 1

如果你看看代碼，你看到函數的一般結構：

function (.data, .variables, .fun = NULL, ..., .progress = "none", 
    .drop = TRUE, .parallel = FALSE) 
{ 
    .variables <- as.quoted(.variables) 
    pieces <- splitter_d(.data, .variables, drop = .drop) 
    ldply(.data = pieces, .fun = .fun, ..., .progress = .progress, 
     .parallel = .parallel) 
} 
<environment: namespace:plyr> 

因此，它基本上重新排列的格式，更容易使用的變量，然後將數據分解成塊，然後在這些作品上使用ldply。這些片段由功能splitter_d生成。件實際上比列表更復雜 - 它是指向原始數據和索引列表的指針。無論何時請求列表中的一部分，它都會查找匹配的索引並提取相應的數據。這避免了多個數據副本的漂移。你可以看到如何使用getAnywhere("splitter_d")或plyr:::splitter_d。

ldply在每一條數據上傳遞一次。之後，它將所有內容組合到一個數據框中。其實，在幫助ldply的文件寫的是：

所有plyr功能使用相同的 拆分申請，結合策略：他們 輸入分割成更簡單的塊， 適用.fun每件，然後 將這些部分組合成一個單一的數據 結構。此功能按元素拆分列表 ，並將結果 組合成數據框。如果沒有 結果，那麼此函數將返回一個零行的數據幀和 列（data.frame（））。

我自己也說不完。奇蹟，第一句話也可以在ddply的幫助頁面上找到。