R语言-plyr包中的函数

plyr包集中体现了“分离-操作-结合”的数据操作理念。

plyr的核心函数由ddply、llply、laply函数组成，所有的函数名均由五个字母组成且最后三个字母都为ply。函数名的第一个字母代表输入值的类型，第二个字母代表输出值的类型。（plyr是根据单词钳子（plier）仿造出的词，因为钳子是用途广泛且必不可少的常用工具之一）

plyr包中的函数及其输入值和输出值

函数名	输入值类型	输出值类型
ddply	数据框	数据框
llply	列表	列表
aaply	数组/相量/矩阵	数组/相量/矩阵
dlply	数据框	列表
daply	数据框	数组/相量/矩阵
d_ply	数据框	无
ldply	列表	数据框
laply	列表	数组/相量/矩阵
l_ply	列表	无
adply	数组/相量/矩阵	数据框
alply	数组/相量/矩阵	列表
a_ply	数组/相量/矩阵	无

1.ddply

    函数ddply()以数据框为输入值，根据几个变量对其分类并做相应的运算，最后返回一个数据框。

    以plyr包中的baseball数据为例：

library(plyr)
head(baseball)

在棒球比赛中一个常用的统计数据为上垒率（OBP），其计算公式为：

其中H为安打，BB为四坏保送，HBP为触身球，AB为打数，SF为高飞牺牲打。

在1954年之前，高飞牺牲打被算为牺牲打的一部分，且其还包括短打，所以1954年之前球员的高飞牺牲打数据假定为0.这是需要对原数据做的第一个改变。还有原始数据中HBP有许多缺失值，我们应该设其为0。此外，我们还剔除了一个赛季少于50打数的球员数据。

首先将1954年之前的sf数据设为0，并检测sf数据有没有缺失值

baseball$sf[baseball$year<1954]<-0
any(is.na(baseball$sf))

[1] FALSE

结果显示没有缺失的sf值

再将HBP中的缺失值设为0，并检测

baseball$hbp[is.na(baseball$hbp)]<-0
any(is.na(baseball$hbp))

[1] FALSE

然后剔除一个赛季少于50打数的球员数据

baseball<-baseball[baseball$ab>=50,]

添加一个新变量OBP，按OBP公式操作

baseball$OBP<-with(baseball,(h+bb+hbp)/(ab+bb+hbp+sf))
tail(baseball)

为了计算每个球员在其整个职业生涯的OBP指标，就不能仅仅平均其在单个赛季的OBP，这需要对分子和分母上的变量同时求和并用分子除以分母。这样的操作可以用ddply函数完成。

首先定义一个做以上运算的函数，并通过ddply调用使其运用到每一个球员的数据上。

obp<-function(data)
+     {
+     c(OBP=with(data,sum(h+bb+hbp)/sum(ab+bb+hbp+sf)))
+ }

careerOBP<-ddply(baseball,.variables='id',.fun=obp)
careerOBP<-careerOBP[order(careerOBP$OBP,decreasing=TRUE),]

head(careerOBP,10)

结果返回了职业生涯中上垒率前十的球员数据。