如何对数据框中的每行数据进行累加呢？

yihui Hoas Jiena tctcab

最近我向人推荐使用 Base R 去做数据操作，Base R 总共就那么 10 来个函数做这个事，干嘛要把这个数据操作的问题扩充到 10 来个不是自己维护的 R 包，里面的魔法太多了，根本记不住，出错了也难以兜住，而且作者也在不断的更新里面的函数，甚至重新设计。

1. Base R 内10来个函数指的是：

   1. reshape 将长的数据框变形为宽的数据框
   2. transform 可以在原来的数据框上添加新的一列，这个新的列通常是根据已有的列加减乘除等计算而来
   3. subset 提取数据框中的某些列和行，也可以用 $ 或 [ 实现
   4. order 按照数据框的某（些）列排序，如先按照第一列从小到大排序，再按照第二列从小到大排序
   5. split 将数据框按照某个分类变量拆分为列表，后续常常可以接 lapply 实现分组计算
   6. merge 合并两个数据框 inner outer left 和 right 四种合并方式，和 SQL 中的 left_join 等操作如出一辙
   7. duplicated 查出是否有重复的记录，后续可以决定是否去掉
   8. complete.cases 查出是否有不完整的记录，后续考虑是否要去掉
   9. aggregate 聚合，这个就不解释了，大家都懂
   10. 最后再加上 Reduce 、do.call 和 apply 真的够了，应付 90% 的数据操作应该没问题

2. 作者最初造了 reshape 包（退休了），接着是 reshape2 （也退休了）然后是 plyr （还是退休了）现在是 purrr 大家猜猜下一个会是谁？

3. 作者也比较 High 造 tidyr 包新搞了 gather 和 spread 猜猜这两个函数在干嘛？ reshape ! 命名不直观大家都记不住，结果只好请大家来决定叫个啥名好 ，因为又有超级豪华版的 pivot table 等待大家 <https://t.co/cJ0GM1VZ1H>

4. 我发现老有人用 by 函数来试图证明 Base R 的糟糕，因为它严重打破一致性，有那么多其它可用来操作的函数，我就想问他为啥要用这个？

最近怼力有点足，大家见谅！

Cloud2016 怼得爽，我喜欢。

• str_length? nchar.
• str_c? paste.
• str_sub? substr.
• str_to_lower? tolower.
• str_split? strsplit.
• str_detect? grep.
• ...

可以列很长。横跨好几个包。

单从命名看，base R 确实一致性比较差。就说上面这几个，tidyverse 只需记一下 str_，然后用编辑器的自动补全功能就行了。如果先接触tidyverse，后接触 base R，那可能会觉得后者难记。有先入为主的因素吧。

除了功能和结构外，作者可能很大程度上是对 base R 的函数名不满，然而又改不了，所以干脆重来一遍。透过奇怪的函数名，隐隐感觉到某种情绪，恨不得砸烂一个旧世界，重建一个新世界。就跟罗振宇发明了很多新名词一样，其实是老内容。

tidyverse 最诱人的地方，还是哥哥画呃。

yihui

hadley大人很厉害，不过我也同意你的说法：将他偶像化并不好。

我现在算是极乐净土和基础R的混打选手, 极乐净土的包或者理念其实好多都还没深入用过，比如我毫不羞耻地承认至今没搞懂non-standard evaluation…

yihui 想起了上世纪初的文言和白话之争。有些人主张一切尽用白话，反对一切有古文气息的写法。鲁迅也宣传白话，反对古文，不过他说，例如：“林冲笑道：原来，你认得。”这样的表达也不必非要写成“原来，你认得。”林冲笑着说。

如何方便就如何处理，何必尾生抱柱，痛并难过着。有些东西跟瘟疫一样传播，比如 Base R 的一些缺点和极乐净土（与 pipe）的一些优点。人们往往没有思考就接受了，然后成为新的传播媒介。

我常用极乐净土的工具，但是看到 data %>% head() 这样的写法就仿佛看到了“林冲笑着说”。

Base R 的操作函数

• stats 包： reshape aggregate complete.cases
• base 包： transform subset order split merge duplicated Reduce do.call apply lapply

Base R 的函数非常简洁明了，上面提及的数据操作函数都在 stats 和 base 两个包里，再比如文件操作的系列函数 file.* dir.* sys.* 和字符串操作的系列函数 ?regex 也都在一两个 Base R 包里。它太丰富了，功能太全面了，可见 Base 是就其在 R 包的地位而言，这样做对初学者太不友好，查看一下 ls("package:base") 就会发现 1232 个涉及诸多方面的函数，极有可能当初设计的时候功能拆分没有到位，这些 Base R 的数据操作函数功能很强，文档看起来很枯燥，导致 tidyverse 有机可乘，将 reshape 函数拆成一个包，aggregate 函数在 dplyr 里拆成一段一段的，诸如此类。Python 不这么干，分成一系列子模块，功能分类做的比较好！这两种方式代表了不同的思维模式，萝卜白菜各有所爱。

至于说宗教信仰，可能信奉 Base R 的真有，官方主页和文档万年不变，开发一直在 SVN 上，可能就那么二三十号人维护源码，开源但没有充分利用开源的力量（这个要分析源码提交记录，看是不是几十年来主力一直没变，我记得在某个大佬的 slide 上分析过，但是我记不得了在哪了，哪位大侠有空帮忙找下，我看过之后一直搜不出来，slide 里面有图，配色方案是 hcl 分析提交记录使用了 XML 包和不少正则，分析的源代码在 Github 上开放的）

PS

刚才脑子一下子清澈了，马上搜出来了，是大佬 Roger Bivand ， Slide 及其源码在 https://github.com/rsbivand/eRum18

Liechi tctcab 我也是混打选手，但倾向于 Base R ，之前有 ggplot 但是庆幸我没赶上

dapengde 命名一致性是个问题，输入是一个数据框，输出是一个非数据框，这种不一致性更加糟糕，这也是 tidyverse 造 tibble 打通数据分析流的优势，也成就了大量的 broom broom.mixed broomExtra tidymodel 模型输出一致性的清理包。另外关于 Base R 和 stringr 的正则、字符串操作函数对比，这有份完整的，不必自己整理了 https://stringr.tidyverse.org/articles/from-base.html

Liechi yihui 对圆环套圆环那种多层套娃来说，管道确实方便阅读，层数越多越有利。然而据我观察，用户养成习惯之后，即便是两三层，管道顺手就来了，挡不住。这个小东西表面似乎是技术层面的改动，然而底层碰的是哲学层面，或者说是思维方式。俗称洗脑。

Cloud2016 tctcab 像 ggplot2 这样的包名还算是好的，dplyr 已经到我记忆的极限了，“噗啊啊啊”包完全靠拼音才记得住，而专管管道那个包的名称……我放弃治疗了。@yihui 不要嫌弃，如果换我，我也加载 'tidyverse'，而不是 'mag...'——臣妾实在记不住啊！

包名和函数名是我转用 tidyverse 的最大障碍，纯属人为制造，完全没必要。str_c()如果叫str_paste()，select() 如果叫 df_subset()，那么对 base R用户就会友好很多。而像summarise()，猛一看还以为是 summary()，其实它是tapply()，这就让人很割裂，似乎跟 base R 有不共戴天之仇，拼命任性地划清界限，而不计对 base R 用户习惯的忽视。换位思考一下，如果 R 初学者先接触了 tidyverse，那么让他从 summarise() 往 tapply() 过渡肯定也是内心一百个不情愿。正如我在前两天的吐槽帖 里所说：

生活在秦国的人，不需要知道周天子。

至于 tidyverse 函数输入和输出的一致性，它确实是一个卖点，然而我觉得并不是很大的痛点，有人为炒作的水分。“输入数据框，输出也必须是数据框”，这个前提是 tidyverse 很多函数存在的合理性之一，然而推敲一下，这个前提的基础并不那么坚实——它把“一致性”偷偷限定在了“数据框”层面。这样，管道出口入口处倒是一致了，可是得先把数据转成 tidyverse 接受的形式才能进管道，而管道里出来的不一定是你要的最后结果，还得进一步转换。可是别忘了，base R 的一致性也很好啊，只不过是体现在维度更低、结构更简单的“向量”层面。如果说 tidyverse 是对数据进行分子层面的改造，那么 base R 就是进行原子层面的改造。

作为一个普通用户，我上述看法可能都是片面甚至是错误的。不过，就像秦灭周一样， tidyverse 的野心若隐若现。未来，tidyverse 会不会跟 base R 分道扬镳，就像 openoffice 和 libreoffice 呢？

如果是这样，那就干脆把 base R 跟 tidyverse 当作两门不同的编程语言来学习和使用吧。

dapengde 专管管道那个包的名称……我放弃治疗了

我也是放弃治疗了，不知多少次我要先找 dplyr 然后找那个包，为啥不直接叫 pipe 我绝对 1 秒钟记住它

这些大神都有个习惯，取一个颇有深意的名字，在我看来最接近内容的是好名字

dapengde summarise 跟 tapply 的一大不同是它们处理的数据形式不同，summarise 要求数据符合 tidy 风。我觉得 Hadley 提倡的 tidy data 是极乐净土的灵魂：不管是数据整理，还是哥哥作图，如果觉得操作不顺手了，往往是由于数据不够“整然”造成的。Tidy data 的要求使得极乐净土处理的数据基本单元是数据表，而 R base 处理的基本单元是向量，这导致了两者在数据分析过程中的一些逻辑差异。这差异当你用 summarise 处理 iris 数据时就能体会到。

我觉得极乐净土和 Base R 在具体操作的不同只是形而下的器的差异，但是对数据形式要求的不同则属于形而上的道的殊途了。进化领域有句话叫做：

Nothing in Biology Makes Sense Except in the Light of Evolution.

在极乐净土世界似乎也可以说：

Nothing in Tidyverse Makes Sense Except in the Form of Data that is Tidy.

Liechi 咱们楼歪太多了……