如何将 ddply 与不同的 .variables 一起使用？

Question

我使用 ddply 按不同类别总结一些 data.frame，如下所示：

# with both group and size being factors / categorical
split.df <- ddply(mydata,.(group,size),summarize,
                  sumGroupSize = sum(someValue))

这工作得很顺利，但我经常喜欢计算比率，这意味着我需要除以组的总数。如何在同一个 ddply 调用中计算这样的总数？

假设我想要获得 A 组中尺寸类别 1 中的观测值的份额。显然，我必须首先计算尺寸类别 1 中所有观测值的总和。 当然，我可以通过两个 ddply 调用来完成此操作，但使用所有一个调用会更舒服。有办法这样做吗？

编辑： 我本来不想问得太具体，但我意识到我打扰了这里的人。这是我的具体问题。事实上，我确实有一个可行的例子，但我不认为它真的很漂亮。另外，它还有一个我需要克服的缺点：它不能与 apply 一起正常工作。

library(plyr)

# make the dataset more "realistic"
mydata <- warpbreaks
names(mydata) <- c("someValue","group","size")
mydata$category <- c(1,2,3)
mydata$categoryA <- c("A","A","X","X","Z","Z")
# add some NA
mydata$category[c(8,10,19)] <- NA
mydata$categoryA[c(14,1,20)] <- NA


# someValue is summarized !
# note we have a another, varying category hence we need the a parameter
calcShares <- function(a, data) {
# !is.na needs to be specific!
tempres1 <- eval(substitute(ddply(data[!is.na(a),],.(group,size,a),summarize,
                sumTest = sum(someValue,na.rm=T))),

                envir=data, enclos=parent.frame())
tempres2 <- eval(substitute(ddply(data[!is.na(a),],.(group,size),summarize,
                sumTestTotal = sum(someValue,na.rm=T))),
                envir=data, enclos=parent.frame())

res <- merge(tempres1,tempres2,by=c("group","size"))
res$share <- res$sumTest/res$sumTestTotal
 return(res)

}

test <- calcShares(category,mydata)
test2 <- calcShares(categoryA,mydata)   
head(test)
head(test2)

正如你所看到的，我打算在不同的分类变量上运行它。在示例中，我只有两个（类别，类别A），但实际上我有更多，因此将 apply 与我的函数一起使用会非常好，但不知何故它无法正常工作。

applytest <- head(apply(mydata[grep("^cat",
             names(mydata),value=T)],2,calcShares,data=mydata))   

.. 返回一条警告消息和一个奇怪的类别 var 名称 (newX[, i] )。

那么我怎样才能a）更优雅地b）解决应用问题呢？

Answer 1

这看起来很简单，所以我可能遗漏了你问题的某些方面。

首先，定义一个函数来计算 group 每个级别内所需的值。然后，不要使用 .(group, size) 来拆分 data.frame，而是使用 .(group)，并将新定义的函数应用于每个拆分部分。

library(plyr)

# Create a dataset with the names in your example
mydata <- warpbreaks
names(mydata) <- c("someValue", "group", "size")

# A function that calculates the proportional contribution of each size class 
# to the sum of someValue within a level of group
getProps <- function(df) {
    with(df, ave(someValue, size, FUN=sum)/sum(someValue))
}

# The call to ddply()
res <- ddply(mydata, .(group), 
             .fun = function(X) transform(X, PROPS=getProps(X)))

head(res, 12)
#    someValue group size     PROPS
# 1         26     A    L 0.4785203
# 2         30     A    L 0.4785203
# 3         54     A    L 0.4785203
# 4         25     A    L 0.4785203
# 5         70     A    L 0.4785203
# 6         52     A    L 0.4785203
# 7         51     A    L 0.4785203
# 8         26     A    L 0.4785203
# 9         67     A    L 0.4785203
# 10        18     A    M 0.2577566
# 11        21     A    M 0.2577566
# 12        29     A    M 0.2577566