ggplot2回顾(13): 使用plyr包整理数据

library(plyr) #比较旧的一个包, 主要用到ddply()这个函数

ddply(.data, .variables, .fun = NULL)

• .variables: variables to split data frame by
• .fun: function to apply to each piece

下面对.fun参数展开讲

1. subset() 取子集

在各个分组中找出carat的最值，将原纪录输出（即还是保持原有数据框的格式）

ddply(diamonds,.(color),subset,carat==min(carat))
ddply(diamonds,.(color),subset,carat==max(carat))

原书第一版此处用order取carat最小的两个值有误！

在各个分组中找出carat在前0.1%（最重的那一批）的记录

ddply(diamonds,.(color),subset,carat > quantile(carat,0.999))

在各个分组中找出price大于均值的记录

ddply(diamonds,.(color),subset,price > mean(price))

2. transform() 数据变换

ddply(diamonds,.(color),transform,price = scale(price))
ddply(diamonds,.(color),transform,price = price-mean(price))

归一化函数

range01 <- function(v) {
  rng <- range(v,na.rm = T)
  (v-rng[1]) / diff(rng)
}
ddply(diamonds,.(color),transform,price = range01(price))

3. colwise() 使函数向量化

使能接受向量的函数也能接受数据框

> nmissing <- function(x) sum(is.na(x))
> nmissing(msleep$name)
[1] 0
> nmissing(msleep$brainwt)
[1] 27
> nmissing_df <- colwise(nmissing)
> nmissing_df(msleep)
  name genus vore order conservation sleep_total sleep_rem sleep_cycle awake brainwt bodywt
1    0     0    7     0           29           0        22          51     0      27      0

简单用法
colwise(nmissing)(msleep)
类似的：numcolwise(median)(msleep,na.rm=T)、catcolwise()分别只对数值型和分类型操作
与ddply联用

> ddply(msleep,.(vore),numcolwise(median),na.rm=T)
     vore sleep_total sleep_rem sleep_cycle awake  brainwt bodywt
1   carni        10.4      1.95   0.3833333  13.6 0.044500 20.490
2   herbi        10.3      0.95   0.2166667  13.7 0.012285  1.225
3 insecti        18.1      3.00   0.1666667   5.9 0.001200  0.075
4    omni         9.9      1.85   0.5000000  14.1 0.006600  0.950
5            10.6      2.00   0.1833333  13.4 0.003000  0.122

4. 自己写一个函数，满足输入输出为数据框即可

my_summary <- function(df) {
  with(df,data.frame(
    pc_cor=cor(price,carat,method = "spearman"),
    lpc_cor=cor(log(price),log(carat))
  ))
}

> ddply(diamonds,.(color),my_summary)
  color    pc_cor   lpc_cor
1     D 0.9561208 0.9606617
2     E 0.9600994 0.9643845
3     F 0.9641572 0.9623876
4     G 0.9633681 0.9696785
5     H 0.9730390 0.9801569
6     I 0.9834392 0.9865118
7     J 0.9846710 0.9879449

结果自动包含分组变量color，且放在第一列。

这一节中，有两个函数值得借鉴：2中的归一化函数、4中的求相关系数的函数。