发帖
雷达卡
是R语言中很有特色的一类函数，包括了apply、sapply、lapply、tapply、aggregate等等。
在这篇博文里对它们进行了简略的说明。这一类函数本质上是将数据进行分割、计算和整合。它们在数据分析的各个阶段都有很好的用处。
例如在数据准备阶段，我们可以按某个标准将数据分组，然后获得各组的统计描述。或是在建模阶段，为不同组的数据建立模型并比较建模结果。
apply族函数与Google提出的mapreduce策略有着一致的思路。因为mapreduce的思路也是将数据进行分割、计算和整合。只不过它是将分割后的数据分发给多个处理核心进行运算。如果你熟悉了apply族函数，那么将数据转为并行运算是轻而易举的事情。plyr包则可看作是apply族函数的扩展，使之更容易运用，功能更为强大。
plyr包
的主函数是**ply形式的，其中首字母可以是(d、l、a)，第二个字母可以是(d、l、a、_)，不同的字母表示不同的数据格式，d表示数据框格式，l表示列表，a表示数组，_则表示没有输出。
第一个字母表示输入的待处理的数据格式，第二个字母表示输出的数据格式。例如ddply函数，即表示输入一个数据框，输出也是一个数据框。
2、案例
下面首先来用一个简单的例子说明一下用法。还是用iris数据集，其中包括了一个分类变量和四个数值变量。我们希望数据按不同类别，分别计算数值变量的均值。下面我们分别用三种方法来得到同样的结果。
- library(plyr)
- library(reshape2)
- # 用aggregate函数进行数据汇总
- aggregate(iris[1:4],list(iris$Species),mean)
- # 用reshape2包进行数据汇总
- data.melt <- melt(iris,id=c('Species'))
- dcast(data.melt,Species~variable,mean)
- # 用ddply函数进行数据汇总
- ddply(iris,.(Species),function(df) mean(df[1:4]))
- 初看起来plyr包所具备的功能并不很出彩，下面我们看一个略为复杂例子。还是用iris数据，我们希望对每一种花做一个简单回归。
- # 首先定义回归函数
- model <- function(x) {
- lm(Petal.Length~Petal.Width,data=x)
- }
- # 如果用普通的函数则需要如下的分割、计算、整合三个步骤共四条命令
- pieces <- split(iris,list(iris$Species))
- models <- lapply(pieces,model)
- result <- lapply(models,coef)
- do.call('rbind',result)
- # 用plyr包只用下面两个函数，每个函数都内置了分割、计算、整合的功能。
- result1 <- dlply(iris,.(Species),model)
- result2 <- ldply(result1,function(x) coef(x))
- plyr包中还有两个比较特别的函数，分别是r*ply和m*ply，它们分别对应的是replicate和mapply函数。
- replicate(20,mean(runif(100)))
- rdply(20, mean(runif(100)))
- mapply(rnorm,mean=1:5,sd=1:5, n=2)
- mdply(data.frame(mean = 1:5, sd = 1:5), rnorm, n = 2)
- 最后我们来看一个mdply函数的应用，我们希望用神经网络包来为不同的花进行分类，使用BP神经网络需要的一个参数就是隐藏层神经元的个数。我们来尝试用1到10这十个参数运行模型十次，并观察十个建模结果的预测准确率。但我们并不需要手动运行十次。而是使用mdply函数来完成这个任务。
- library(nnet)
- # 确定建模函数
- nnet.m <- function(...) {
- nnet(Species~.,data=iris,trace=F,...)
- }
- # 确定输入参数
- opts <- data.frame(size=1:10,maxiter=50)
- # 建立预测准确率的函数
- accuracy <- function(mod,true) {
- pred <- factor(predict(mod,type='class'),levels=levels(true))
- tb <- table(pred,true)
- sum(diag(tb))/sum(tb)
- }
- # 用mlply函数建立包括10个元素的列表，每个元素包括了一个建模结果
- models <- mlply(opts,nnet.m)
- # 再用ldply函数读取列表，计算后得到最终结果
- ldply(models,'accuracy',true=iris$Species)By 写长城的诗
3、参考资料
包括示例代码:
- bnames-explore.r——探索我们宝宝的名字
- bnames-cluster.r——集群扩展示例显示如何找到类似的名字
- tx-explore-houston.r——介绍住房数据与休斯顿李< / >
- tx-explore-all.r——过程模型构建对于大型数据使用的所有城市在德克萨斯州
- nnet.r
plyr-tutorial.zip
(3.3 MB)
京公网安备 11010802022788号
