如何使用变量名称通过 ddply 引用数据框列？

Question

我正在尝试编写一个函数，该函数将保存时间序列数据的数据框的名称和该数据框中的列的名称作为参数。该函数对该数据执行各种操作，其中之一是在列中添加每年的运行总计。我正在使用plyr。

当我直接将列名与 ddply 和 cumsum 一起使用时，我没有任何问题：

require(plyr)
df <- data.frame(date = seq(as.Date("2007/1/1"),
                     by = "month",
                     length.out = 60),
                 sales = runif(60, min = 700, max = 1200))

df$year <- as.numeric(format(as.Date(df$date), format="%Y"))
df <- ddply(df, .(year), transform,
            cum_sales = (cumsum(as.numeric(sales))))

这一切都很好，但最终目标是能够将列名传递给此函数。当我尝试使用变量代替列名时，它无法按我的预期工作：

mycol <- "sales"
df[mycol]

df <- ddply(df, .(year), transform,
            cum_value2 = cumsum(as.numeric(df[mycol])))

我以为我知道如何按名称访问列。这让我很担心，因为这表明我未能理解有关索引和提取的基本知识。我本以为以这种方式按名称引用列将是一种常见的需求。

我有两个问题。

1. 我做错了什么，即我误解了什么？
2. 考虑到函数不会事先知道列的名称，是否有更好的方法来解决这个问题？

TIA

Answer 1

ddply 的参数是在原始数据帧分割成的每个部分的上下文中计算的表达式。你的 df[myval] 寻址整个数据帧，所以你不能按原样传递它（顺便说一句，为什么你需要那些 as.numeric(as.character()) 东西 - 它们完全没用）。

最简单的方法是编写自己的函数，该函数将执行内部的所有操作并向下传递列名称，例如

df <- ddply(df, 
            .(year), 
            .fun = function(x, colname) transform(x, cum_sales = cumsum(x[,colname])), 
            colname = "sales")

Answer 2

问题是 ddply 期望它的最后一个参数是表达式，它将在 data.frame 的块上进行评估（在您的示例中，每年）。
如果您使用 df[myval]，您将拥有整个 data.frame，而不是年度块。

以下方法可以工作，但不是很优雅：我将表达式构建为字符串，然后使用 eval(parse(...)) 进行转换。

ddply( df, .(year), transform, 
  cum_value2 = eval(parse( text = 
    sprintf( "cumsum(as.numeric(as.character(%s)))", mycol )
  ))
)