r语言 - 使用哪个应用函数，我可以在分组数据帧上循环聚类函数

Question

我有一个包含车辆预计到达时间的数据框。数据包含一次(实际(到达的许多 ETA，我想将应对应于一次到达的 ETA 分组在一起。

我的数据看起来像这样，cluster是我想要的结果：

  vehicle      eta       ...   cluster  
 --------- ------------ ----- --------- 
  car_1     01-11-2017   ...         1  
  car_1     02-11-2017   ...         1  
  car_1     15-11-2017   ...         2  
  horse_3   05-11-2017   ...         1  
  horse_3   12-11-2017   ...         2  
  horse_3   13-11-2017   ...         2  

我编写了一个执行此聚类分析的自定义函数。该函数的输入是一辆车的行，它返回一个带有集群索引的数组。例如，如果我将示例数据的第 1-3 行传递给它，它将输出c(1,1,2).所以现在我需要做的就是循环数据集中的所有车辆并应用该功能，但这就是我卡住的地方。

使用 cluster_etas 作为我的自定义聚类函数，我知道我可以这样做：

# Initialize an empty column
data$cluster <- 0
# Loop over all vehicles and perform clustering
for (i in unique(data$vehicle)) {
    filter_vector <- data$vehicle == i
    data$cluster[filter_vector] <- cluster_etas(data[filter_vector,])
}

但我怀疑有一个更智能的解决方案看起来像这样，用一种apply的函数填补空白：

data$cluster <- _____(data = data, by = vehicle, function = cluster_etas)

是否有执行此类操作的函数？会是什么？

Answer 1

tapply ：
-用于对向量的子集应用函数

str(tapply)
#function (X, INDEX, FUN = NULL, ..., simplify = TRUE)  

解释论点：
X是向量
INDEX是一个因素或一系列因素(或对因素具有强制力的东西(
FUN是要应用的
函数 ...包含要传递的其他参数 FUN

因此，我认为解决方案应该是这样的tapply(data$eta， data$vehicle， FUN = ..你的功能..(

Answer 2

我已经找到了使用plyr包中的ddply函数解决问题的有效解决方案。它确实需要我更改我的自定义函数 - 以前，自定义函数会将数据框作为其参数并提取所需的列，现在它直接将这些列作为参数(无论如何，这都是更通用的解决方案(。

data <- plyr::ddply(data, "vehicle", transform,
                    cluster = cluster_etas(eta, travel_time, ...))