使用具有自定义功能的ddply + mutate吗？

我ddply经常使用，但从历史上讲summarize（偶尔mutate）仅使用基本功能（如mean()，var1 - var2等等）。我有一个数据集，我试图在其中应用自定义，参与程度更高的函数，并开始尝试研究如何使用ddply。我有一个成功的解决方案，但是我不明白为什么它会像这样，而对于更多“常规”功能却如此。

有关的

• ddply {plyr}无法识别自定义功能...
• 如何在ddply中将变量传递给自定义函数？
• r-help：[R]正确使用具有自己功能的ddply（我最终基于此解决方案）

这是一个示例数据集：

library(plyr)
df <- data.frame(id = rep(letters[1:3], each = 3),
                 value = 1:9)

通常，我会这样使用ddply：

df_ply_1 <- ddply(df, .(id), mutate, mean = mean(value))

我对此的可视化是基于的组合组合ddply将其拆分df为“微型”数据帧id，然后通过调用mean()中存在的列名称来添加新列df。因此，我尝试实现一个功能扩展了这个想法：

# actually, my logical extension of the above was to use:
# ddply(..., mean = function(value) { mean(value) })
df_ply_2 <- ddply(df, .(id), mutate,
                  mean = function(df) { mean(df$value) })

Error: attempt to replicate an object of type 'closure'

自定义函数的所有帮助均不适用mutate，但这似乎前后矛盾，或者至少让我感到烦恼，因为与我实现的解决方案类似：

df_mean <- function(df) {
    temp <- data.frame(mean = rep(mean(df$value), nrow(df)))
    temp
}

df_ply_3 <- df
df_ply_3$mean <- ddply(df, .(id), df_mean)$mean

内联，看来我必须这样做：

df_ply_4 <- df
df_ply_4$mean <- ddply(df, .(id), function(x) {
    temp <- data.frame(mean = rep(mean(x$value), length(x$value)))
    temp})$mean

为什么不能使用mutate自定义功能？仅仅是“内置”函数返回某种ddply可以处理的类，而必须踢出一个完整的类data.frame然后仅调用我关心的列？

感谢您帮助我“获得”！

@Gregor回答后更新

很棒的答案，我想我明白了。的确，我对其含义mutate和summarize含义感到困惑……认为它们是ddply关于如何处理结果与实际上是函数本身的争论。因此，感谢您的深刻见解。

另外，它确实有助于了解没有的情况 mutate/summarize，我需要返回data.frame，这就是我必须返回具有返回cbind的列名称的列的df原因。

最后，如果我做的使用mutate，是有帮助的，现在意识到我可以返回一个向量结果，并得到正确的结果。因此，我可以做到这一点，阅读您的回答后，我现在已经明白了：

# I also caught that the code above doesn't do the right thing
# and recycles the single value returned by mean() vs. repeating it like
# I expected. Now that I know it's taking a vector, I know I need to return
# a vector the same length as my mini df
custom_mean <- function(x) {
    rep(mean(x), length(x))
}

df_ply_5 <- ddply(df, .(id), mutate,
              mean = custom_mean(value))

再次感谢您的深入解答！

根据@Gregor的最新评论更新

嗯 我曾经rep(mean(x), length(x))因为这个观察df_ply_3的结果（我承认自己实际上并不在它仔细看，当我跑了第一次做这个职位，我刚看到它并没有给我一个错误！）：

df_mean <- function(x) {
    data.frame(mean = mean(x$value))
}

df_ply_3 <- df
df_ply_3$mean <- ddply(df, .(id), df_mean)$mean

df_ply_3
  id value mean
1  a     1    2
2  a     2    5
3  a     3    8
4  b     4    2
5  b     5    5
6  b     6    8
7  c     7    2
8  c     8    5
9  c     9    8

因此，我基于3个id变量重复3次这一事实，认为我的代码实际上是一次意外。因此，实际收益等于summarize（每个id值一行），并被回收。如果我像这样更新数据框，则测试该理论似乎是正确的：

df <- data.frame(id = c(rep(letters[1:3], each = 3), "d"),
                 value = 1:10)

尝试将df_ply_3方法与结合使用时出现错误df_mean()：

Error in `$<-.data.frame`(`*tmp*`, "mean", value = c(2, 5, 8, 10)) : 
  replacement has 4 rows, data has 10

因此，传递给mini的dfdf_mean返回一个dfwhere mean，即value取向量（取一个值）的平均值。因此，我的输出只是data.frame三个值中的一个，id每组一个。我在想mutate某种方式“记住”它已传递一个小型数据帧，然后重复单个输出以匹配其长度？

无论如何，谢谢您的评论df_ply_5；的确，如果我移开该rep()位并返回mean(x)，它的效果很好！