使用ddply调用自定义函数失效，无法标记id重复实例序号求助

我之前在使用plyr包的ddply时也踩过一模一样的坑！明明单独跑函数没问题，一分组调用就返回原数据，真的头大。结合你的需求（给每个id标记第1/2/3次出现），大概率是你的自定义函数或者ddply的调用逻辑有这几个小问题：

常见原因分析 #

• 函数没正确修改并返回分组子数据框：很多时候我们写函数时，只计算了标记值，但忘了把这个值赋值给分组后的子数据框，或者没返回修改后的结果——ddply会把函数返回的内容拼接起来，如果函数返回的还是原分组数据，最终结果自然和原数据一致。
• 误用全局数据的索引而非分组内局部索引：比如函数里不小心用了整个原始数据框的行号（比如1:nrow(df)），而不是当前分组子数据框的行号，这会导致标记逻辑失效，甚至没变化。
• ddply分组参数写错：比如分组变量没放在.()里，导致没按id正确分组，函数相当于在整个数据上跑了一遍，自然返回原数据。

正确的实现方式 #

先给你一个能正常工作的示例，对应你的需求：

1. 正确的自定义函数 #

这个函数专门处理每个分组的子数据框，给它添加一个occurrence列标记出现顺序：

create_guide <- function(group_df) {
  # 给当前分组的每一行生成1、2、3...的标记
  group_df$occurrence <- seq_len(nrow(group_df))
  # 必须返回修改后的分组数据框，ddply才会把这些修改后的子框拼起来
  return(group_df)
}

2. 正确调用ddply #

假设你的原始数据框叫raw_df，分组变量是id，调用方式如下：

library(plyr)
# 按id分组，每个分组传入create_guide处理
result_df <- ddply(raw_df, .(id), create_guide)

避坑提醒 #

给你举两个典型的错误写法，对照着检查你的代码：

• ❌ 错误示例1：没修改/返回子数据框

create_guide <- function(group_df) {
  # 只算了标记值，但没赋值给数据框，也没返回修改后的结果
  seq_len(nrow(group_df))
}

• ❌ 错误示例2：误用全局数据索引

create_guide <- function(group_df) {
  # 这里用了全局的raw_df，而不是当前分组的group_df，标记逻辑完全错误
  group_df$occurrence <- 1:nrow(raw_df)
  return(group_df)
}

只要把函数调整成针对分组子数据框操作，并且正确返回修改后的结果，问题就能解决啦！

内容的提问来源于stack exchange，提问作者user9486481