plyr包ddply函数列命名规则疑问及示例求助

我完全懂你现在的困惑——想用ddply给聚合后的结果自定义列名（把默认的V1改成NB），结果反而得到了重复行的异常输出。别担心，这是因为你没摸准ddply的参数语法逻辑，我来一步步帮你搞定。

首先，先拆解你的异常示例为什么会出错：
当你写ddply(data, .(nom), NB=nrow)时，plyr并没有把NB=nrow当成“给聚合结果的列命名为NB”，而是错误地将这个赋值操作应用到了分组后的每一行上，相当于试图给原始数据的每一行都加个NB列，但nrow在这里没有被正确调用（缺少括号和参数），最终导致输出保留了所有原始行，还没正确计算分组行数。

接下来是正确的写法，推荐两种常用方式：

方式1：用summarise（或summarize）指定列名 #

这是最直观的方法，summarise是plyr专门用来聚合分组结果的函数，直接在里面定义你想要的列名和计算逻辑就行：

library(plyr)
data <- data.frame(nom=c("a","b","c","a","b","a"))

# 使用summarise自定义列名NB
ddply(data, .(nom), summarise, NB = n())

输出结果完全符合你的预期：

nom NB
1   a  3
2   b  2
3   c  1

这里的n()是plyr提供的便捷函数，专门用来计算分组内的行数，比nrow(.)更简洁。

方式2：自定义函数返回命名数据框 #

如果你更习惯用函数的方式处理，也可以写一个小函数，返回带有指定列名的数据框：

ddply(data, .(nom), function(group) {
  data.frame(NB = nrow(group))
})

这个逻辑是：对每个分组group，计算它的行数，然后把结果放到名为NB的数据框里返回，ddply会自动把分组键（nom）和这个结果合并起来，输出正确的聚合表。

总结一下，ddply的第三个参数如果是聚合逻辑，要么用summarise指定列名，要么用函数返回命名数据框，不能直接写列名=函数名这种形式，这就是你之前出错的核心原因啦。

内容的提问来源于stack exchange，提问作者AnthoR