“专治不服”系列之:收收ddply的小脾气

用过R的童鞋们都知道，R里面的函数小脾气很多，小妹准备开一个系列叫：专治不服收收各种函数们的小脾气！

今天小妹首先给大家掰扯的，是一款数据处理的明星包plyr 的明星函数ddply，这个酷炫的函数曾经给小妹带来好多震撼和方便，但最近却因为跟她一言不合而走了好多弯路，情急之中，小妹死盯了她一晚上，今天就给大家分享这点小case：说，如何处理ddply生成的新数据框的列名问题。

以下部分分为 [极速预告版］ 和 ［详细分解版］分别适合ddply的熟客们和新手们阅读。

一 极速预告版（适合ddply的熟客们）

本期主要说当使用ddply生成新的数据框A后，R是如何生成A的列名的。简单来说，这完全取决于你如何为ddply输入function这个参数的, 熟客们可火速浏览以下问题，如果熟悉即可迅速推出本文，回去继续撩妹

1 当你提前定义好函数function

例如你输入ddply的function是nrow，你猜下面两种代码结果的列名有什么区别？

2 当你在ddply中直接定义函数，你猜他们的结果列名有什么区别？

3 传说把 summarise 做为函数传入ddply,再把你想计算的统计量做为summarise的后续参数传入ddply ，会使得结果命名更方便，代码更简洁，运算速度更快，你信吗？

二 详细分解版（适合ddply的新手们）

1. ddply到底是个什么样的神函数？

她归属于堪称数据处理神器的 plyr包，出自R界资深高手Hadley Wickham之手（没错就是你爱的ggplot的包主）。R文档里对ddply的官方介绍是：split data frame, apply fuction, and returen results in a data frame

翻译成白话就是，她能把你原来的数据框按照某种属性分隔开，然后分别对每个子数据框运用函数，得到的结果再合成一个数据框

2. 让我们实地看下她的本事吧！

2 ddply 怎么惹小妹了？

说起来，还是小妹昨天所说的命名问题（没看到？请戳。。。看看命名有多重要), 如果大家注意看上面的图就会发现，直接输入函数她生成的数据框 没有好用的列名！V1，V2都是些什么？难道要一个一个colnames 更新吗？开始，小妹一度开始宠幸有类似功能的 aggregate，不过最后深入看看ddply 还得承认小妹图样图森破，仔细指点下参数这个函数还是可以直接搞定命名问题滴～

3 哪那么多废话快上干货！

对对对，下面就是小妹反复尝试得出的一些结果，主要是对第一部分问题的答案！

（1）如果提前定义好function类，再传入ddply函数，那么你可以直接在函数名称上加“双引号”就实现了对列名的定义。

（2）如果在ddply里面再定义函数的话（小妹不是很推荐此类方法，一是后期不容易改函数，二是会出踩到很多奇奇怪怪的雷点）

＊要么会自定义为V1

＊要么会沿用原数据框的列名，而且竟然还会自动出来sex分组！（此处小妹没搞懂whywhywhy，急需大神出来指点！）

＊当两个函数放进去的时候又正常了

（3）最后重磅推荐引入summarise 函数的所有好处，废话不说，先来上结果（此处summarise两种写法都可）

可以看到，代码小清新了许多有木有，这主要是利用了summarize处理数据框的优势。这个函数可以很方便的对数据框的列运算生成新列，最后仍返回一个数据框形式的结果summarise的使用方式如下

summarise(.data, ...)summarise(baseball,

duration = max(year) - min(year),

nteams = length(unique(team)))

所以，整体ddply运行的逻辑是：先把数据框dfx 按照 group 分好组后，将不同的子数据框传给summarize，而后面mean和sd都就是传入summarize的第二个第三个参数。经过小妹验证system.time, 这种做法也是比前面几种快了很多。

<鸡汤分割线>

前几天有幸拜访了加州大学戴维斯分校的蔡知令教授，他送给我们两句话：

一是说做学者要做到四个字：朴实刚毅

二是说 The future is in your own hands, not in others' mouths

第一句话初听就深感震撼，觉得大师学者真的是在人格上也是巨人，待我等小辈学习和追随的远远不止印在书本里的论文；

第二句话初听窃以为老生常谈，但也记在心里，没想到却在后来的某个心智迷惑之时被之救起。所谓越是真理越朴素，关键时刻还是要这些最朴素的大智慧让你静下来，回归自己。