W jaki sposób można filtrować, a także podsumowywać w ddply?

Question

Właśnie zaczynam od ddply i uważam, że jest to bardzo przydatne. Chcę podsumować ramkę danych, a także pozbyć się niektórych wierszy w końcowym wyniku na podstawie tego, czy sumowana kolumna ma określoną wartość. To jest jak HAVING, a także GROUP BY w SQL. Oto przykład:

input = data.frame(id=  c(1, 1, 2, 2, 3, 3), 
        metric= c(30,50,70,90,40,1050), 
        badness=c(1, 5, 7, 3, 3, 99)) 
intermediateoutput = ddply(input, ~ id, summarize, 
          meanMetric=mean(metric), 
          maxBadness=max(badness)) 
intermediateoutput[intermediateoutput$maxBadness < 50,1:2] 

Daje:

id meanMetric 
1 1   40 
2 2   80 

co jest to, co chcę, ale mogę to zrobić w jednym etapie w rachunku ddply jakoś?

Answer 1

Powinieneś spróbować z dplyr. Jest szybszy, a kod jest znacznie łatwiejsze do odczytania i zrozumienia, zwłaszcza jeśli używasz potoków (%>%):

input %>% 
    group_by(id) %>% 
    summarize(meanMetric=mean(metric), maxBadness=max(badness)) %>% 
    filter(maxBadness <50) %>% 
    select(-maxBadness) 

Obserwuje @Arun komentarza, można uprościć kod w ten sposób:

input %>% 
    group_by(id) %>% 
    filter(max(badness)<50) %>% 
    summarize(meanMetric=mean(metric))