Передача символьного вектора в качестве аргументов функции в plyr

Question

Я подозреваю, что я делаю это неправильно, но я хотел бы передать вектор символов в качестве аргумента функции в ddply. Там много Q & A при удалении котировок и т. Д., Но ничто из этого не работает для меня (например, Remove quotes from a character vector in R и http://r.789695.n4.nabble.com/Pass-character-vector-to-function-argument-td3045226.html).

# reproducible data 
df1<-data.frame(a=sample(1:50,10),b=sample(1:50,10),c=sample(1:50,10),d=(c("a","b","c","a","a","b","b","a","c","d"))) 
df2<-data.frame(a=sample(1:50,9),b=sample(1:50,9),c=sample(1:50,9),d=(c("e","f","g","e","e","f","f","e","g"))) 
df3<-data.frame(a=sample(1:50,8),b=sample(1:50,8),c=sample(1:50,8),d=(c("h","i","j","h","h","i","i","h"))) 

#make a list 
list.1<-list(df1=df1,df2=df2,df3=df3) 

# desired output 
lapply(list.1, function(x) ddply(x, .(d), function(x) data.frame(am=mean(x$a), bm=mean(x$b), cm=mean(x$c)))) 

$df1 
    d  am  bm  cm 
1 a 31.00000 29.25000 18.50000 
2 b 31.66667 24.33333 34.66667 
3 c 18.50000 5.50000 24.50000 
4 d 36.00000 39.00000 43.00000 

$df2 
    d  am  bm cm 
1 e 18.25000 32.50000 18 
2 f 27.66667 41.33333 24 
3 g 25.00000 7.50000 42 

$df3 
    d  am  bm  cm 
1 h 36.00000 25.00000 20.50000 
2 i 25.33333 37.33333 24.33333 
3 j 32.00000 32.00000 46.00000 

Но мое фактическое использование случая имеет много новых столбцов и различные типы вычислений, которые я хочу, чтобы вычислить в функции ddply. Так что я хочу сделать что-то вроде:

# here's a simple version of a function that I want to send to ddply  
func <- "am=mean(x$a), bm=mean(x$b), cm=mean(x$c)" 

# here's how I imagine it might work 
lapply(list.1, function(x) ddply(x, .(d), function(x) data.frame(func))) 

# not the desired outcome... 
$df1 
    d          func 
1 a am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 
2 b am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 
3 c am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 
4 d am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 

$df2 
    d          func 
1 e am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 
2 f am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 
3 g am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 

$df3 
    d          func 
1 h am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 
2 i am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 
3 j am=mean(x$a), bm=mean(x$b), cm=mean(x$c) 

Я попытался noquote, deparse, eval(as.symbol()), do.call(data.frame, ...) и некоторые из методов здесь: https://github.com/hadley/devtools/wiki/Evaluation на func безрезультатно. Решение может быть очевидно, в этой точке, но в случае, если это не так, вот уже пример, который ближе к моему прецеденту (то есть все плавиться.!):

# sample data 
s <- 23 # number of samples 
r <- 10 # number of runs per sample 
el <- 17 # number of elements 
mydata <- data.frame(ID = unlist(lapply(LETTERS[1:s], function(x) rep(x, r))), 
        run = rep(1:r, s)) 
# insert fake element data 
mydata[letters[1:el]] <- lapply(1:el, function(i) rnorm(s*r, runif(1)*i^2)) 

# generate all combinations of 5 runs from ten runs 
su <- 5 # number of runs to sample from ten runs 
idx <- combn(unique(mydata$run), su) 

# RSE function 
RSE <- function(x) {100*((sd(x)/sqrt(length(x)))/mean(x))} 

# make a list of dfs for all samples for each combination of five runs 
# to prepare to calculate RSEs 
combys1 <- lapply(1:ncol(idx), function(i) mydata[mydata$run %in% idx[,i],]) 

# make a list of dfs with RSE for each ID, for each combination of runs 
combys2 <- lapply(1:length(combys1), function(i) ddply(combys1[[i]], "ID", summarise, RSEa=RSE(a), RSEb=RSE(b), RSEc=RSE(c), meana=mean(a), meanb=mean(b), meanc=mean(c))) 

Я хочу выше заменить RSEa=RSE(a), RSEb=RSE(b), RSEc=RSE(c), meana=mean(a), meanb=mean(b), meanc=mean(c) в последней строке с объектом doRSE отсюда, чтобы избежать много печатать:

# prepare to calculate new colums with RSE and means 
RSEs <- sapply(3:ncol(mydata), function(j) paste0("RSE",names(mydata[j]))) 
RSExs <- sapply(3:ncol(mydata), function(j) paste0("RSE(",names(mydata[j]),")")) 
doRSE <- paste0(sapply(1:length(RSEs), function(x) paste0(RSEs[x],"=",RSExs[x])), collapse=",", sep="") 

Я открыт для решений, связанных с базой, data.table и пакости. Похоже, это близко к тому, что я хочу, но я не могу достаточно перевести их на мою проблему: Pass character argument and evaluate, Force evaluation of multiple variables using vector of character, Using a vector of characters that correspond to an expression as an argument to a function

UPDATE Вот улов: я хочу, чтобы иметь возможность изменить func в простом примере (или doRSE в моем случае использования), чтобы создать кучу новых столбцов, которые являются результатом различных вычислений по существующим столбцам для изучения данных. Я хочу, чтобы рабочий процесс позволял результирующим фреймворкам данных иметь новые столбцы, которые не были в исходных кадрах данных. Извините, это было не более ясно в исходном вопросе. Я не могу понять, как приспособить ответ @Marius для этого, но @ mnels полезен (см. Обновление ниже)

Работа с превосходными грязными трюками @ mnel с некоторыми незначительными исправлениями Я могу получить желаемый результат на моем случаев использования:

# @mnel's solution, adapted (no period before eval) 
combys2 <- lapply(combys1, function(x) do.call(ddply,c(.data = quote(x), 
          .variables = quote(.(ID)), .fun = quote(summarize), 
          eval(parse(text = sprintf('.(%s)', doRSE)))))) 
head(combys2) 

[[1]] 
    ID  RSEa  RSEb  RSEc  RSEd  RSEe  RSEf  RSEg  RSEh  RSEi 
1 A 168.30658 21.68632 5.657228 5.048057 4.162017 2.9581874 1.849009 0.6925148 0.4393491 
2 B 26.55071 26.20427 4.782578 4.385409 2.342764 2.1813874 2.719625 1.1576681 0.6427935 
3 C 73.83165 14.47216 8.154435 6.273202 3.046978 1.2179457 2.811405 1.1401837 0.8167067 
4 D 31.96170 57.89260 9.438220 7.388410 3.755772 0.8601780 3.724875 0.8358204 0.9939387 
5 E 63.22537 60.35532 5.839690 11.691304 3.828430 0.9217787 4.204300 0.8217187 0.7876634 
6 F 56.37635 65.37907 4.149568 5.496308 2.227544 2.1548455 2.847291 1.1956212 0.2506518 
7 G 69.32232 23.63214 4.255847 7.979225 4.917660 1.6185960 3.156521 0.3265555 0.8133279 
8 H 29.82015 40.74184 7.372100 7.464792 2.749862 0.6054420 4.061368 0.9973909 1.3807720 
9 I 50.58114 19.53732 2.989920 9.767678 4.000249 1.7451322 1.175397 0.9952093 0.9095086 
10 J 92.96462 39.77475 6.140688 10.295668 3.407726 2.4663758 3.030444 0.5743419 0.9296482 
11 K 90.72381 42.25092 2.483069 6.781054 3.142082 1.8080633 2.891740 1.1996176 0.8525290 
12 L -385.24547 40.81267 4.506087 8.148382 2.976488 0.8304432 2.234134 0.2108664 0.4979777 
13 M 22.77743 33.98332 2.913926 8.764639 2.307293 0.8366635 3.229944 1.0003125 0.3878567 
14 N 66.75163 34.16087 6.611326 13.865377 1.285522 1.3863958 4.165575 0.7379386 0.4515194 
15 O 37.37188 100.57479 5.738877 5.724862 2.839638 1.1366610 3.186332 0.7383855 0.3954544 
16 P 17.08913 26.62210 6.060130 4.110893 2.688908 2.6970727 1.609043 1.3860834 0.8780010 
17 Q 13.96392 74.92279 5.469304 8.467638 2.974131 1.2135436 3.284564 0.6232778 1.0759226 
18 R 42.59899 30.75952 4.842832 8.764158 1.874020 1.5791048 3.427342 1.4479638 0.2964455 
19 S 26.03307 15.56352 6.968717 7.783876 4.439733 2.0764179 4.683080 0.7459654 1.1268772 
20 T 71.57945 33.81362 7.147049 11.201551 2.128315 2.2051611 2.419805 0.2688807 1.1559635 
21 U 73.93002 11.77155 7.738910 7.207041 1.478491 1.4409844 4.042419 0.5883490 0.5585716 
22 V 67.93166 39.54994 5.701551 8.636122 2.472963 1.6514199 2.627965 1.0359048 0.8747136 
23 W 11.23057 12.51272 7.003448 7.424559 4.102693 0.6614847 2.246305 1.3422405 0.2665246 
     RSEj  RSEk  RSEl  RSEm  RSEn  RSEo  RSEp  RSEq 
1 0.6366733 0.3713819 2.1993487 0.3865293 0.5436581 0.9187585 0.4344699 0.8915868 
2 0.3445095 0.2932025 1.8563179 0.5397595 1.0433388 0.3533622 0.1942316 0.1941072 
3 0.2720344 0.5507595 2.0305726 0.4377259 0.8589854 0.5690906 0.1397337 0.4043247 
4 0.6606667 0.6769112 3.4737352 0.5674656 1.2519256 0.8718298 0.1162969 0.8287504 
5 0.4620774 0.5598069 1.9236112 0.7990046 0.9832732 0.6847352 0.4070675 0.9005185 
6 0.7981610 0.4005493 0.9721068 0.2770989 1.7054674 0.3110139 0.4521183 0.8740444 
7 0.3969116 0.4717575 4.1341106 0.7510628 0.9998299 0.5342292 0.4319642 1.1861705 
8 0.2963956 0.2652221 0.4775827 0.2617120 0.8261874 0.5266087 0.1900943 0.2350553 
9 0.2609359 0.5431035 2.6478440 0.1606919 0.7407281 0.6802262 0.1802069 0.7438792 
10 0.4239787 0.8753544 3.4218030 0.5467869 0.7404017 0.5581173 0.3682014 0.6361436 
11 0.4188502 0.8629862 4.4181479 0.1623873 0.8018811 0.5873609 0.3592134 0.5357984 
12 0.5790265 0.5009210 3.7534287 0.1933726 0.5809601 0.5777868 0.3400925 0.4783890 
13 0.3562582 0.2552756 2.1393219 0.1849345 0.5796194 0.6129469 0.3363311 0.4382125 
14 0.7921502 0.6147990 2.9054634 0.5852325 1.4954072 0.9983203 0.2937837 0.7654504 
15 0.5840424 0.2757707 1.5695675 0.3305385 0.8712636 0.5816490 0.1985457 0.7213289 
16 0.3301280 0.3008273 2.9014987 0.4540833 0.5966479 0.9042004 0.1631630 0.7262141 
17 0.5882511 0.2820978 3.0652666 0.4518936 1.3168151 0.4749311 0.2244693 0.6583083 
18 0.4048816 0.3708787 3.2207478 0.2603412 1.3168318 0.3318745 0.3120436 0.6210711 
19 0.4425123 0.3602076 3.7609863 0.5399527 0.8302572 0.3246904 0.1952143 0.2915325 
20 0.5877835 0.6339015 1.6908570 0.3223056 0.5239339 0.6607198 0.2808094 0.3697380 
21 0.4454056 0.7733354 4.3433420 0.4391075 0.5503594 0.5893406 0.2262403 0.2361512 
22 0.9583940 0.6365843 3.0033951 0.6507968 0.8610046 0.6363198 0.2866719 0.5736855 
23 0.4969730 0.3895182 2.0021608 0.3354475 1.4398250 0.7386870 0.2458906 0.3414804 
... 
... 

Answer 1

вы можете сделать некоторые уродливые вычисления на языке с использованием quote и plyr::.

https://github.com/hadley/devtools/wiki/Computing-on-the-language Чтение, вероятно, поможет понять, действительно ли вы хотите сделать это.

Во всяком случае, подход может заключаться в использовании

1. использование .() создать вектор аргументов, например, и использовать как итог работы

   .(am=mean(a), bm=mean(b), cm=mean(c)) 
   

   и если вы действительно хотите использовать строку символов

   foo<- "am=mean(a), bm=mean(b), cm=mean(c)" 
   eval(parse(text = sprintf('.(%s)', foo))) 
   

2. Использование quote Libera LLY создать свой список, чтобы быть переданы в do.call

, например

lapply(list.1, function(x) do.call(ddply,c(.data = quote(x), 
    .variables = quote(.(d)), .fun = quote(summarize), 
     .(am=mean(a), bm=mean(b), cm=mean(c))))) 

О мальчик, что некрасиво.

Или вы могли бы использовать data.tables

library(data.table) 


listDT <- lapply(list.1, data.table) 


lapply(listDT, function(x) x[,lapply(.SD, mean), by = 'd']) 

или

mystuff <- sprintf('list(%s)', foo) 
lapply(listDT, function(x) x[, eval(parse(text = mystuff)), by = 'd']) 

Однако, если у вас все же столбцы во всех ваших data.tables, было бы более эффективным, чтобы создать один большой data.table (с идентификатором для каждого элемента списка) и работать над этим.

Answer 2

Вот ddply функция, которая вычисляет среднее для всех столбцов, которые не d в ваших dataframes:

lapply(list.1, 
     function(x) { 
     ddply(
      x, 
      .(d), 
      function(df_part) { 
      result_df <- data.frame(d=df_part$d[1]) 
      non_d_cols <- colnames(df_part)[! colnames(df_part) == "d"] 
      for (col in non_d_cols) { 
       col_mean <- mean(df_part[[col]]) 
       col_name <- paste0(col, "_mean") 
       result_df[[col_name]] <- col_mean 
      } 
      return(result_df) 
      }) 
     }) 

Это кажется мне, как самый простой способ сделать это, и он должен хорошо обобщать другие вычисления, которые вы можете захотеть сделать в этих столбцах. Возможно, вы можете передать векторный аргумент символа столбцов, которые вы хотите вычислить для среднего, и использовать это вместо non_d_cols.