R plyr - Ordenar los resultados de DDPLY?

Question

¿Alguien sabe una forma pulida para ordenar los resultados que salen de una operación ddply resumir?

Esto es lo que estoy haciendo para obtener la salida ordenó al descender profundidad.

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

Con salida ...

> 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 

No muy feo, pero estoy esperando una manera lo hacen muy bien dentro de ddply(). Alguien sabe como?

libro ggplot2 de Hadley tiene este ejemplo para ddply y subconjunto, pero no es en realidad la salida de clasificación, simplemente seleccionando las dos diamantes más pequeños por grupo.

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

Answer 1

voy a utilizar esta ocasión para anunciar un bit para data.table, que es más rápido para correr y (en mi percepción) al menos tan elegante para escribir:

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 

Por el contrario, sin necesidad de ordenar , su código ddply ya tiene 30 veces más:

user system elapsed 
0.106 0.010 0.119 

Con todo el respeto que tengo por el excelente trabajo de Hadley, por ejemplo, en ggplot2 y genialidad en general, debo confesar que para mí, data.table sustituir en su totalidad ddply - por razones de velocidad.

Answer 2

Sí, para clasificar puede anidar el ddply en otro ddply. He aquí cómo se utilizaría ddply para ordenar una columna, por ejemplo, su columna 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

Un poco tarde a la fiesta, pero las cosas pueden ser un poco diferente con dplyr. El préstamo de solución de Crayola para 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" 
) 

Los resultados muestran que dplyr con tbl_dt es un poco más lento que el enfoque data.table. Sin embargo, dplyr con hoja.de.datos es más rápido:

  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: He cambiado los nombres, obviamente, por lo que los resultados son más legibles microbenchmark

Answer 4

Si está utilizando dplyr, recomendaría aprovechando la %.% operador, que lee a un código más intuitivo.

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