[R语言系列]ddply ( 2 ): “分组”的秘密

今天小妹继续掰扯的仍是R语言数据处理领域的明星plyr 包里的，明星函数 ddply的一个参数，来看看这个函数用来“分组”的小秘密。

一 极速预览版

今天的主要内容是：在使用ddply 对数据集A进行分组时，既可以使用A的某列来分，也可以使用A以外的某列数来分；既可以使用A某列的原始值来分，也可以使用A的某列构造一个布尔值来分。

二 详细分解版

首先今天用来演示的数据集仍是一个构造出来的模拟数据，范例如下：

1. ddply的常规分组法

Hadley Wickham 大神说了，第二个参数是要定义这样一个变量：variables to split data frame by, as as.quoted variables,

aformulaorcharacter vector 故以下三种写法都是可以的。

2. ddply的花式分组法

除了干巴巴的用原来的变量分组，能不能变点花样出来？

有没有看到！强大的ddply既可以把变量进行变化后再分组，又可以用原来的变量构造新的判断条件来分组，有木有很高级？ （虽然也可以先根据需要构造一个新变量加入原数据，再使用常规做法实现同样目标，但这样写相当于把两步合成一步，更简洁错的机会就更少啦！）

3.ddply的移花接木分组法

最后上ddply借用别的向量来分组的做法。此处添加一列学习成绩，看看学习成绩更高的人平均收入会更高吗？(模拟数据，仅供娱乐)

看到没？同样奏效！唯一需要注意的是：这个借来的向量长度 要与原数据的行数相同才行哦～

4. 小结

使用ddply时，不论索引变量如何设置，都只是给 “输入数据”一个分组的条件而已，只要通过这个变量能让电脑知道：它应该把哪些列放在一起，哪些列分开就可以了

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

< 鸡汤时间 >

ddply从出生以来就被大家推崇备至，一个重要原因是它分组计算的技能。分组实际上对应的是很高深的“分类解决问题”的思想，借用Hadley Wickham 大神对plyr包的描述所言：

正所谓：学习编程，掌握的函数都只是工具，解决问题的思维才是核心。修炼的路上，以此共勉。