ddply：推还是拉？

Question

ddply 在分组数据时是推还是拉？ 即，它是否涉及对数据帧的多次传递，还是仅一次？

Answer 1

如果您查看代码，您会看到该函数的一般结构：

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>

因此它基本上以更易于使用的格式重新排列变量，然后将数据分成几部分，然后对这些部分使用 ldply。这些片段是由函数 splitter_d 生成的。 Pieces 实际上比列表更复杂一些 - 它是一个指向原始数据的指针和一个索引列表。每当您请求列表中的一部分时，它都会查找匹配的索引并提取适当的数据。这避免了数据的多个副本四处浮动。您可以使用 getAnywhere("splitter_d") 或 plyr:::splitter_d 查看其功能。

ldply 对每条数据传递一次。之后，它将所有内容组合回数据帧中。实际上，ldply的帮助文件中是这样写的：

所有 plyr 函数都使用相同的
拆分-应用-组合策略：他们
将输入分成更简单的部分，
将 .fun 应用于每个部分，然后
将这些片段组合成一个数据
结构。该函数拆分列表
按元素并组合结果
到数据框中。如果没有
结果，那么这个函数将
返回具有零行的数据框并且
列（data.frame()）。

我自己也说不出更好的话。奇迹是，第一句话也可以在 ddply 的帮助页面上找到。