R Plyr - Ordinare i risultati da DDPLY?

Question

Qualcuno conosce un modo intelligente per ordinare i risultati provenienti da un'operazione di riepilogo ddply?

Questo è ciò che sto facendo per ottenere l'output ordinato per profondità decrescente.

  ddims <- ddply(diamonds, .(color), summarise, depth = mean(depth), table = mean(table))
  ddims <- ddims[order(-ddims$depth),]

Con output ...

> ddims
  color    depth    table
7     J 61.88722 57.81239
6     I 61.84639 57.57728
5     H 61.83685 57.51781
4     G 61.75711 57.28863
1     D 61.69813 57.40459
3     F 61.69458 57.43354
2     E 61.66209 57.49120

Non troppo brutto, ma spero in un modo per farlo bene all'interno di ddply ().Qualcuno sa come?

Il libro ggplot2 di Hadley contiene questo esempio per ddply e subset, ma in realtà non ordina l'output, ma seleziona solo i due diamanti più piccoli per gruppo.

ddply(diamonds, .(color), subset, order(carat) <= 2)

Answer 1

Userò questa occasione per pubblicizzare un po 'per data.table, che è più veloce da eseguire e (nella mia percezione) almeno altrettanto elegante da scrivere:

library(data.table)
ddims <- data.table(diamonds)
system.time(ddims <- ddims[, list(depth=mean(depth), table=mean(table)), by=color][order(depth)])

   user  system elapsed 
  0.003   0.000   0.004 

Al contrario, senza ordinare, il codice ddply richiede già 30 volte più tempo:

  user  system elapsed 
 0.106   0.010   0.119

Con tutto il rispetto che ho per l'eccellente lavoro di Hadley, ad es.su ggplot2, e in generale, devo confessare che per me data.table ha completamente sostituito ddply, per motivi di velocità.

Answer 2

Sì, per ordinare puoi semplicemente nidificare il ddply in un altro ddply.Ecco come utilizzeresti ddply per ordinare su una colonna, ad esempio la colonna table:

ddimsSortedTable <- ddply(ddply(diamonds, .(color), 
  summarise, depth = mean(depth), table = mean(table)), .(table))

  color    depth    table
1     G 61.75711 57.28863
2     D 61.69813 57.40459
3     F 61.69458 57.43354
4     E 61.66209 57.49120
5     H 61.83685 57.51781
6     I 61.84639 57.57728
7     J 61.88722 57.81239

Answer 3

Se stai utilizzando dplyr, ti consiglio di sfruttare l'operatore %.%, che legge un codice più intuitivo.

data(diamonds, package = 'ggplot2')
library(dplyr)
diamonds %.%
  group_by(color) %.%
  summarise(
    depth = mean(depth),
    table = mean(table)
  ) %.%
  arrange(desc(depth))

Answer 4

Un po 'tardi per la festa, ma le cose potrebbero essere un po' diverse con dplyr.Prendendo in prestito la soluzione di crayola per data.table:

dat1 <- microbenchmark(
dtbl<- data.table(diamonds)[, list(depth=mean(depth), table=mean(table)), by=color][order(-   depth)],
dplyr_dtbl <- arrange(summarise(group_by(tbl_dt(diamonds),color), depth = mean(depth) , table =  mean(table)),-depth),
dplyr_dtfr <- arrange(summarise(group_by(tbl_df(diamonds),color), depth = mean(depth) , table = mean(table)),-depth),
times = 20, 
unit = "ms"
)

I risultati mostrano che dplyr con tbl_dt è un po 'più lento dell'approccio data.table.Tuttavia, dplyr con data.frame è più veloce:

         expr       min        lq    median        uq       max neval
      data.table  9.606571 10.968881 11.958644 12.675205 14.334525    20
dplyr_data.table 13.553307 15.721261 17.494500 19.544840 79.771768    20
dplyr_data.frame  4.643799  5.148327  5.887468  6.537321  7.043286    20

Nota: ovviamente ho cambiato i nomi in modo che i risultati del microbenchmark siano più leggibili