Loops per creare nuove variabili in ddply

Question

Sto usando DDPLY per aggregare e riassumere le variabili del frame di dati e sono interessato a loop attraverso l'elenco del mio frame di dati per creare le nuove variabili.

new.data <- ddply(old.data, 
                  c("factor", "factor2"),
                  function(df)
                    c(a11_a10 = CustomFunction(df$a11_a10),
                      a12_a11 = CustomFunction(df$a12_a11),
                      a13_a12 = CustomFunction(df$a13_a12),
                      ...
                      ...
                      ...))

C'è un modo per me per inserire un ciclo in DDPLY in modo da poter evitare di scrivere ogni nuova variabile di riepilogo, ad esempio

for (i in 11:n) {
  paste("a", i, "_a", i - 1) = CustomFunction(..... )
}

So che non è così che sarebbe stato effettivamente fatto, ma volevo solo mostrare come lo concettualizzare. C'è un modo per farlo nella funzione che chiamo in ddply o tramite un elenco?

AGGIORNARE: Perché sono un nuovo utente, non posso pubblicare una risposta alla mia domanda:

La mia risposta prevede idee dalla risposta di Nick e dal commento di Ista:

func <- function(old.data, min, max, gap) {
  varrange <- min:max
  usenames <- paste("a", varrange, "_a", varrange - gap, sep="")
  new.data <- ddply(old.data,
                    .(factor, factor2),
                    colwise(CustomFunction, c(usenames)))
}

Answer 1

Basandosi sull'eccellente risposta di @nick, ecco un approccio al problema

foo <- function(df){
  names   = paste("a", 11:n, "_a", 10:(n-1), sep = "")
  results = sapply(df[,names], CustomFunction)
}

new.data = ldply(dlply(old.data, c("factor", "factor2")), foo)

Ecco un'applicazione di esempio utilizzando il tips set di dati in ggplot2. Supponiamo di voler calcolare la media di tip e total_bill per combinazione di sex e smoker, ecco come funzionerebbe il codice

foo = function(df){names = c("tip", "total_bill"); sapply(df[,names], mean)}
new = ldply(dlply(tips, c("sex", "smoker")), foo)

Produce l'output mostrato di seguito

         .id      tip total_bill
1  Female.No 2.773519   18.10519
2 Female.Yes 2.931515   17.97788
3    Male.No 3.113402   19.79124
4   Male.Yes 3.051167   22.28450

È questo quello che stavi cercando?

Answer 2

Se ti capisco correttamente, si desidera essenzialmente applicare una funzione personalizzata a ogni colonna del ddply Data.Frame.

La buona notizia è che c'è un ddply funzione che fa esattamente questo. Ciò significa che la soluzione al tuo problema si riduce a una fodera:

Basandosi sull'eccellente esempio di @ramnath:

library(ggplot2)
customfunction <- mean
ddply(tips, .(sex, smoker), numcolwise(customfunction))

     sex smoker total_bill      tip     size
1 Female     No   18.10519 2.773519 2.592593
2 Female    Yes   17.97788 2.931515 2.242424
3   Male     No   19.79124 3.113402 2.711340
4   Male    Yes   22.28450 3.051167 2.500000

Il motivo per cui funziona è quello colwise Trasforma una funzione che funziona su un vettore in una funzione che funziona su una colonna in un dati. Ci sono due varianti di colwise: numcolwise funziona solo su colonne numeriche e catcolwise funziona su colonne categoriche. Vedere?colwise per maggiori informazioni.

MODIFICARE:

Apprezzo che potresti non voler applicare la funzione a tutto colonne nel tuo data.rame. Tuttavia, trovo questa sintassi così facile, che il mio approccio generale sarebbe quello di modificare i dati. ddply. Ad esempio, i seguenti sottogruppi di esempio modificati tips per escludere alcune colonne. La soluzione è ancora un liner:

ddply(tips[, -2], .(sex, smoker), numcolwise(customfunction))

     sex smoker total_bill     size
1 Female     No   18.10519 2.592593
2 Female    Yes   17.97788 2.242424
3   Male     No   19.79124 2.711340
4   Male    Yes   22.28450 2.500000

Answer 3

In passaggi:

varrange<-11:n
usenames<-paste("a", varrange, "_a", varrange - 1, sep="")
results<-sapply(usenames, function(curname){CustomFunction(df[,curname])})
names(results)<-usenames

È questo che vuoi?