Saya mencoba melakukan ringkasan group by yang setara di R melalui fungsi plyr bernama ddply. Saya memiliki bingkai data yang memiliki tiga kolom (misalnya id, period dan event). Lalu, saya ingin menghitung berapa kali setiap id muncul di bingkai data (count(*)... group by id dengan SQL) dan mendapatkan elemen terakhir dari setiap id yang sesuai dengan kolom event.
Berikut contoh apa yang saya miliki dan apa yang saya coba peroleh:
id period event #original data frame
1 1 1
2 1 0
2 2 1
3 1 1
4 1 1
4 1 0
id t x #what I want to obtain
1 1 1
2 2 1
3 1 1
4 2 0
Ini adalah kode sederhana yang saya gunakan untuk itu:
teachers.pp<-read.table("http://www.ats.ucla.edu/stat/examples/alda/teachers_pp.csv", sep=",", header=T) # whole data frame
datos=ddply(teachers.pp,.(id),function(x) c(t=length(x$id), x=x[length(x$id),3])) #This is working fine.
Sekarang, saya telah membaca Strategi Split-Apply-Combine untuk Analisis Data dan itu diberikan contoh di mana mereka menggunakan sintaksis yang setara dengan yang saya masukkan di bawah:
datos2=ddply(teachers.pp,.(id), summarise, t=length(id), x=teachers.pp[length(id),3]) #using summarise but the result is not what I want.
Ini adalah bingkai data yang saya dapatkan menggunakan datos2
id t x
1 1 1
2 2 0
3 1 1
4 1 1
Jadi, pertanyaan saya adalah: mengapa hasil ini berbeda dengan yang saya dapatkan menggunakan potongan kode pertama, maksud saya datos1? Apa yang saya lakukan salah?
Tidak jelas bagi saya kapan saya harus menggunakan summarise atau transform. Bisakah Anda memberi tahu saya sintaks yang benar untuk fungsi ddply?
