9.7　plyr包

*apply函数家族都很强大，但三个缺点使得它们不是那么易用。首先，名字有点晦涩。在lapply中，“l”代表list是可理解的，但是，即便是使用R长达9年的我，也不知道tapply中的“t”代表什么。

其次，参数的使用不完全一致。大多数的函数都以数据对象为首个参数，函数为第二参数。但mapply的顺序却与此相反，而tapply还要加上一个函数作为它的第三个参数。数据参数有时是X，有时是object；而简化参数有时是simplify，有时是SIMPLIFY。

第三，输出的形式不太可控。如果要把结果作为数据框返回或丢弃它，都需要花一些心思才能做到。

这时，plyr包就派上用场了。它包含一系列名为**ply的函数，其中的空格（星号）分别代表输入和输出的形式。例如，llply的输入参数是列表，它将函数应用于每个元素上，并返回一个列表，这使它成为lapply的一个替代函数：

  1. library(plyr) 
  2. llply(prime_factors, unique)
  4. ## $two 
  5. ## [1] 2 
  6. ## 
  7. ## $three 
  8. ## [1] 3 
  9. ## 
  10. ## $four 
  11. ## [1] 2 
  12. ## 
  13. ## $five 
  14. ## [1] 5 
  15. ## 
  16. ## $six 
  17. ## [1] 2 3 
  18. ## 
  19. ## $seven 
  20. ## [1] 7 
  21. ## 
  22. ## $eight 
  23. ## [1] 2 
  24. ## 
  25. ## $nine 
  26. ## [1] 3 
  27. ## 
  28. ## $ten 
  29. ## [1] 2 5

laply以一个列表作为参数，并返回一个数组，这酷似sapply。如果输入参数为空，它也会智能地返回一个空的逻辑向量（与返回空列表的sapply不一样）：

  1. laply(prime_factors, length)
  3. ## [1] 1 1 2 1 2 1 3 2 2
  5. laply(list(), length)
  7. ## logical(0)

raply能取代replicate（不是rapply！），还有rlply和rdply函数能分别返回列表或数据框，还有一个r_ply函数能丢弃结果（在绘图时有用）：

  1. raply(5, runif(1)) # 数组输出
  3. ## [1] 0.009415 0.226514 0.133015 0.698586 0.112846
  5. rlply(5, runif(1)) # 列表给出
  7. ## [[1]] 
  8. ## [1] 0.6646 
  9. ## 
  10. ## [[2]] 
  11. ## [1] 0.2304 
  12. ## 
  13. ## [[3]] 
  14. ## [1] 0.613 
  15. ## 
  16. ## [[4]] 
  17. ## [1] 0.5532 
  18. ## 
  19. ## [[5]] 
  20. ## [1] 0.3654
  22. rdply(5, runif(1)) # 数据框输出
  24. ## .n V1 
  25. ## 1 1 0.9068 
  26. ## 2 2 0.0654 
  27. ## 3 3 0.3788 
  28. ## 4 4 0.5086 
  29. ## 5 5 0.3502
  31. r_ply(5, runif(1)) # 丢弃输出
  33. ## NULL

也许plyr包中最常用的函数是ddply，它的输入和输出都是数据框，它可以替换tapply函数 。其优点是易于同时计算多个列。以下让我们为Frogger数据集添加一个level列，用来表示玩家在游戏中达到的级别：

  1. frogger_scores$level <- floor(log(frogger_scores$score))

调用ddply的方法有好几种。这些方法的参数都包括一个数据框、要进行拆分的列的名称，以及要应用到每个元素上的函数。传递列时无需引号，但需要包含在.的调用之后。

对于函数，你既可以使用colwise告诉ddply调用函数应用于每一列（除了第二个参数以外），也可以使用summarize对指定的列进行操作：

  1. ddply( 
  2.   frogger_scores, 
  3.   .(player), 
  4.   colwise(mean) # 除了player之外，对每个列调用mean函数 
  5. )
  8. ##   player score level 
  9. ## 1  Dick 2368   7.200 
  10. ## 2 Harry 3387   7.333 
  11. ## 3   Tom 1880   7.000
  13. ddply( 
  14.   frogger_scores,
  15.   .(player), 
  16.   summarize, 
  17.   mean_score = mean(score), # 对score调用mean 
  18.   max_level = max(level)    #... 然后求level的max值
  19. )
  22. ##   player mean_score max_level 
  23. ## 1  Dick        2368         8 
  24. ## 2 Harry        3387         8 
  25. ## 3   Tom        1880         7

使用colwise指定时会更快，但你必须对每一列重复同样的事情；而summarize更灵活，但你需要输入更多内容。

mapply没有直接的替代函数，尽管m*ply函数允许对多个参数进行循环。同样，vapply和rapply也没有替代函数 。