对多个数据文件的11层操作

Question

是否有一种简单的方法(即不必使用"for“循环)来执行以下操作：

我有几个数据帧。我想用一个plyr操作来总结它们。在这个例子中，我有两个数据框架，东方和西部，我想用国家支出和试验来总结这两个数据框架。

下面是数据帧示例：

west <- data.frame(
    spend = sample(50:100,50,replace=T),
    trials = sample(100:200,50,replace=T),
    country = sample(c("usa","canada","uk"),50,replace = T)
    )

east <- data.frame(
    spend = sample(50:100,50,replace=T),
    trials = sample(100:200,50,replace=T),
    country = sample(c("china","japan","skorea"),50,replace = T)
    )

以及这两种数据的合并列表：

combined <- c(west,east)

我想要做的是同时对这两个数据文件进行一次蹒跚学步的操作，并让输出成为一个列表(至少这看起来非常简单)。例如，如果我只是在一个dataframe上操作，它将是这样的：

country.df <- ddply(west, .(country), summarise,
    spend = sum(spend),
    trials = sum(trials)
)

但我想按比例做这件事。我尝试在llply参数中使用类似的语法，但这不起作用(我有一种感觉，我遗漏了一些明显得令人痛苦的东西)：

countries.list <- llply(combined, .(country), summarise,
    spend = sum(spend),
    trials = sum(trials)
)

返回错误：“在乐趣中出错(X[1L]，.)：尝试应用非函数”

..。我可以想出一种方法来实现这一点，方法是编写一个函数，然后将它传递给一个应用参数。但是看起来，llply应该能够“开箱即用”，因为它是对工具所做的事情的一个相当简单的使用。

我在这里错过了什么？

Answer 1

我会这样做：

combined <- list(east, west)

lapply(combined, ddply, .(country), summarise, spend  = sum(spend),
                                               trials = sum(trials))

# [[1]]
#   country spend trials
# 1   china  1572   2976
# 2   japan  1075   1989
# 3  skorea  1262   2526
# 
# [[2]]
#   country spend trials
# 1  canada  1459   3117
# 2      uk   910   1967
# 3     usa  1248   2660

Answer 2

下面是另一个使用dplyr的解决方案，它是数据帧plyr的一个高度优化版本。dplyr语法非常直观，IMHO比plyr更具可读性。如果说它读起来更像诗(至少在我看来是这样:)，那就不算过分了。

combine = list(west = west, east = east)
library(dplyr)
lapply(combined, function(dat){
   dat %.%
     group_by(country) %.%
     summarise(
       trials = sum(trials),
       spend = sum(spend)
     ) %.%
     mutate(
       status = ifelse(trials < 1000, "Good", "Bad")
     )
})

编辑。为了完整起见，这里是data.table解决方案。请注意，对于大型数据帧，dplyr和data.table午餐时将吃plyr :)

library(data.table)
lapply(combined, function(dat){
  data.table(dat)[
  , list(trials = sum(trials), spend = sum(spend)),country][
  , status := ifelse(trials < 1000, "Good", "Bad")]
})

更新2:这是一个更深思熟虑的dplyr解决方案版本

lapply(combined, chain, group_by(country),
  summarise(trials = sum(trials), spend = sum(spend)),
  mutate(status = ifelse(trials < 1000, "Good", "Bad"))
)