R处理Retrosheet棒球数据时group_by分组聚合结果一致问题求助

问题原因 #

• 核心原因是dplyr和plyr两个扩展包存在同名函数冲突：你的代码使用了plyr包提供的ldply函数，说明运行环境中已经加载了plyr。如果dplyr的加载顺序早于plyr，环境中调用的summarize函数实际是plyr::summarize，该函数无法识别dplyr::group_by生成的分组属性，因此无论如何设置分组条件，都会直接计算全局的HomeRunsScore总和，返回结果自然完全相同。
• 次要兼容问题：ldply生成的普通base R数据框，在部分旧版本dplyr中也可能偶发分组识别异常。

修复方案 #

你可以任选以下任意一种方案解决问题：

方案1：显式指定dplyr函数 #

调用summarize时显式声明使用dplyr版本，即可正确识别分组属性：

ll_data_frame %>%
  group_by(DayOfWeek) %>%
  dplyr::summarize(R = sum(HomeRunsScore))

方案2：调整包加载顺序 #

如果需要同时使用两个包的功能，将dplyr的加载顺序放在plyr之后，默认调用的同名函数就会是dplyr版本：

# 先加载plyr，再加载dplyr
library(plyr)
library(dplyr)

方案3（更推荐）：全流程使用tidyverse语法 #

完全替换plyr相关函数，使用purrr::map_dfr直接拼接读取的多个文件，从根源上避免包冲突问题：

ll = list.files(pattern = "*.TXT")
mycols <- read_csv("game_log_header.csv") %>% names()

ll_data_frame <- purrr::map_dfr(ll, 
                                read_delim,
                                col_names = mycols,
                                delim = ",",
                                na = character())

修改完成后，原有分组汇总代码无需额外调整即可正常运行。

内容的提问来源于stack exchange，提问作者Wingg23