如何将基于plyr::ddply的R函数迁移至dplyr？

你遇到的问题是dplyr的do()用法和plyr的ddply()逻辑不一致——do()不需要嵌套function(.x)，直接用.指代分组后的子数据框即可，或者直接传递处理函数。

核心修正点 #

把你写的错误调用：

dataset %>% group_by(wk) %>% do(function(.x) {
  # 原处理逻辑
})

改成两种可行形式：

形式1：直接在do()内用.指代分组数据

dataset %>% 
  group_by(wk) %>% 
  do({
    .x <- .  # 赋值为.x，和原plyr代码的变量名对齐，减少修改量
    # 这里直接平移原plyr代码中对x的处理逻辑
    # 示例：计算分组内的时间区间和观测数
    result <- data.frame(
      week = unique(.x$wk),
      interval_start = min(.x$time),
      interval_end = max(.x$time),
      obs_count = nrow(.x)
    )
    result
  }) %>%
  ungroup()  # 记得取消分组，避免后续操作触发隐式分组逻辑

形式2：封装处理函数，传递给do()

如果原处理逻辑复杂，建议提取成独立函数，代码更清晰易维护：

# 复用原plyr里的处理逻辑，封装成独立函数
process_group <- function(.x) {
  data.frame(
    week = unique(.x$wk),
    interval_start = min(.x$time),
    interval_end = max(.x$time),
    obs_count = nrow(.x)
  )
}

# dplyr调用方式
dataset %>% 
  group_by(wk) %>% 
  do(process_group(.)) %>%
  ungroup()

完整测试示例 #

假设你的测试数据集为：

test_data <- data.frame(
  wk = rep(1:3, each = 4),
  time = seq.POSIXt(as.POSIXct("2024-01-01"), as.POSIXct("2024-01-12"), by = "day")
)

迁移后的完整intervals函数：

intervals <- function(dataset) {
  dataset %>% 
    group_by(wk) %>% 
    do({
      .x <- .
      data.frame(
        week = unique(.x$wk),
        interval_start = min(.x$time),
        interval_end = max(.x$time),
        obs_count = n()  # 用dplyr原生函数n()替代nrow(.x)，更高效
      )
    }) %>%
    ungroup()
}

# 运行测试
intervals(test_data)

额外优化提示 #

• 尽量用dplyr原生函数替代plyr的辅助函数，比如用n()替代nrow(.x)，用dplyr::distinct()替代unique()，适配dplyr的管道逻辑
• 如果你的处理逻辑只是聚合计算，完全可以抛弃do()，改用summarize()更简洁：

dataset %>%
  group_by(wk) %>%
  summarize(
    interval_start = min(time),
    interval_end = max(time),
    obs_count = n(),
    .groups = "drop"  # 自动取消分组，替代ungroup()
  )

内容的提问来源于stack exchange，提问作者Salvador