d******a
发帖数: 32122 | 1 比如dplyr，允许进行SQL 类的操作
但是对于字段名，直接要给出
比如
df_ret=df %>% group_by（name, work_year)) %>% summarise ...
这里，name 和 work_year都是字段名
在其他语言里，字段名需要引号，dplyr不用，实际是不能用，你用了还不行
但是假如我写了个过程，参数(f1)将作为字段名，就没法这么用了。google的结果，是
group_by 要改成 group_by_
library(dplyr)
get_f1 = function(f1, df){
df_ret=df %>% group_by_(.dots=c(f1, 'work_year')) %>% summarise ...
return(df_ret)
}
我猜，最初版本没有group_by_, 有人提出了，没法在原有框架满足，才新加的。其实
最初的版本要求字段名用引号比什么都强 |
w********m
发帖数: 1137 | 2 这个算是stackoverflow oriented programming吧。
用个hash table就能解决的问题，改用dsl解决，比较不爽。 |
m*****n
发帖数: 3575 | |
d******c
发帖数: 2407 | 4 应该不是group_by自己的问题，而是R传统里很多地方有把名字直接用不加引号的习惯
，然后要用变量的时候肯定得用个不同语法。
如果说直接用的case有80%，那算是为了这80%的方便，把剩下的20%搞的费劲一些。如
果你用其他情况实际更多，那就麻烦更多一些。
传统R里有时用quote/get那一套来解决，依靠non-standard evaluation，那个更麻烦
，也容易出问题
http://adv-r.had.co.nz/Computing-on-the-language.html
dplyr用不同的函数，算是另一种路子。
data.table里也是，如果要用一个变量来代表要用的列名，有很多绕的地方。
【在 d******a 的大作中提到】
: 比如dplyr，允许进行SQL 类的操作
: 但是对于字段名，直接要给出
: 比如
: df_ret=df %>% group_by（name, work_year)) %>% summarise ...
: 这里，name 和 work_year都是字段名
: 在其他语言里，字段名需要引号，dplyr不用，实际是不能用，你用了还不行
: 但是假如我写了个过程，参数(f1)将作为字段名，就没法这么用了。google的结果，是
: group_by 要改成 group_by_
: library(dplyr)
: get_f1 = function(f1, df){
|
m******r
发帖数: 1033 | 5 请问什么叫做dsl, google了一下没找到。
【在 w********m 的大作中提到】
: 这个算是stackoverflow oriented programming吧。
: 用个hash table就能解决的问题，改用dsl解决，比较不爽。
|
r*g
发帖数: 3159 | 6 domain specific language.
【在 m******r 的大作中提到】
: 请问什么叫做dsl, google了一下没找到。
|
m******r
发帖数: 1033 | 7 R的问题既不是‘灵活性’， 也不是‘随意性‘， 而是‘历史局限性’和‘手工作坊
’特性。
灵活性是褒义词，一个东西可以这么玩，也可以那么玩。 R是整相反。 一个变量用
group_by, 两个变量用group_by_, 混合变量没准再想另外个法子。
‘手工作坊’特性不难理解，hadley wickham 写dplyr, max写caret, julia写
textmining, mat写data.table,各有各的写法。 几个大厨做的饭，非把他放在一起吃
，不知道是个什么味儿。
‘历史局限性‘说的是R本来是处理函数的语言， 而不是处理数据的语言，主要是这个
戴耳环的新西兰人hadly wickham花了好几年功夫写dplyr, plyr专门让它处理数据。
这里面目的性也很强，首先，一般人不会搞什么算法，也不会和函数打交道，所以也没
必要用R. 大部分人还是先要和数据打交道，既然wickham 为rstudio工作，那么增强R
处理数据的功能，是打开市场的好办法。
第二，把一个专门处理函数的语言折腾成一个能处理数据的语言， 本来就不容易， 没
想wichham野心更大，既要满足市场部大妈写类似sql的需要，又要满足楼主和我这样高
端编程人才的需要，所以dplyr这款产品就是四不像，居然能想出group_by 和group_by
_ 这种写法来区分标准计算(standard evaluation ) 和非标准计算(NSE)。
回到楼主的问题， wickham原本设计dplyr就没有想到楼主吃饱撑的会这么用（按我说
这是极其普遍的用法，把两个factor串起来么，正常人都想得到），2014年一月在
stackoverflow回答别人问题时说 我要增加这么个功能，语法大概这样，不过请你们等
一等啊【2】。 可笑的是到了2017年 wichham 联合我上面提到的几个大厨推出所谓
tidyverse， 声明SE是'肤浅的'(superfluous)， 没必要的， 要降级使用deprecate。
[1]
这就好比楼主要买一辆车，既可以买车场造的车（商业软件），也可以买wickham在后
院改装的车， 改装车不要钱啊，而且wickham还宣称他的改装车既可以用来买菜，又能
飙车；既有摩托车的灵活性，随意性，又有豪华车的各种配置， 函数式编程，不可变
状态, etc； 既有标准操作，又有非标准操作。 现在看来还有降级使用的标准操作。
不管你信不信， 我是信了。
[1]https://dplyr.tidyverse.org/reference/se-deprecated.html
[2]https://stackoverflow.com/questions/21208801/group-by-multiple-columns-in
-dplyr-using-string-vector-input/ |
m*****n
发帖数: 3575 | 8 是编程者的精神洁癖不够
像Python的龟叔的洁癖很强
就强行把语法都统一了
而且一个语法在任何情境下都通用
这没有精神洁癖是做不到的
R的思维方式比较老中
就事论事，得过且过
【在 m******r 的大作中提到】
: R的问题既不是‘灵活性’， 也不是‘随意性‘， 而是‘历史局限性’和‘手工作坊
: ’特性。
: 灵活性是褒义词，一个东西可以这么玩，也可以那么玩。 R是整相反。 一个变量用
: group_by, 两个变量用group_by_, 混合变量没准再想另外个法子。
: ‘手工作坊’特性不难理解，hadley wickham 写dplyr, max写caret, julia写
: textmining, mat写data.table,各有各的写法。 几个大厨做的饭，非把他放在一起吃
: ，不知道是个什么味儿。
: ‘历史局限性‘说的是R本来是处理函数的语言， 而不是处理数据的语言，主要是这个
: 戴耳环的新西兰人hadly wickham花了好几年功夫写dplyr, plyr专门让它处理数据。
: 这里面目的性也很强，首先，一般人不会搞什么算法，也不会和函数打交道，所以也没
|
l****u
发帖数: 1764 | 9 是啊 python没有在python 2上面修修补补凑合，还真搞了个全新的python 3出来，而
且现在看来这决定还真挺正确的
【在 m*****n 的大作中提到】
: 是编程者的精神洁癖不够
: 像Python的龟叔的洁癖很强
: 就强行把语法都统一了
: 而且一个语法在任何情境下都通用
: 这没有精神洁癖是做不到的
: R的思维方式比较老中
: 就事论事，得过且过
|
d******a
发帖数: 32122 | 10 如果是20岁左右的小年轻，有的是时间折腾
但是岁数大了以后，就喜欢一种方法适合所有情况，即便在很多情况下不是最优的
【在 d******c 的大作中提到】
: 应该不是group_by自己的问题，而是R传统里很多地方有把名字直接用不加引号的习惯
: ，然后要用变量的时候肯定得用个不同语法。
: 如果说直接用的case有80%，那算是为了这80%的方便，把剩下的20%搞的费劲一些。如
: 果你用其他情况实际更多，那就麻烦更多一些。
: 传统R里有时用quote/get那一套来解决，依靠non-standard evaluation，那个更麻烦
: ，也容易出问题
: http://adv-r.had.co.nz/Computing-on-the-language.html
: dplyr用不同的函数，算是另一种路子。
: data.table里也是，如果要用一个变量来代表要用的列名，有很多绕的地方。
|
|
|
m******r
发帖数: 1033 | 11 不在于年龄， 也不在于性别。
所谓数据分析，是各类分析中末流的末流。 处理数据的语言，也应该是末流中的末流。
一门好的处理数据的语言，我认为应该像sql, 正常智商的人半天入门，一周掌握，几
个月精通。像dplyr这种， 吭哧吭哧，发明了无数奇技淫巧，引入了一整套函数式编程
的江湖黑话，连楼主如此简单的用户需求， 都要绕这么大个圈， 确实令人对dplyr丧
失信心。
楼主的需求， 在sql里，无非就是group by A, 和group by A, B。 |
w********m
发帖数: 1137 | 12 我是统计转马公的低端程序员。
统计语言有很大的问题。
像R，SAS还有matlab，总觉得用户写不了循环。
什么事情都得用个轮子或者dsl。
其实aggregation这类，就是循环一下加个hash table就解决的问题。
很简单的算法，然而，必须去查他们的document，或者stackoverflow。
这样的编程会很累，不会有那种一气呵成的击杀感。
对编程的兴趣是个打击。久而久之，就搞得很苦逼了。
【在 m******r 的大作中提到】
: 请问什么叫做dsl, google了一下没找到。
|
m*****n
发帖数: 3575 | 13 是的，语法没有通用性。
这里用着不错下回那里一用就崩溃，是心理暴击。
编程最讨厌的是语言自己有缺陷，类似R这种。
但是好像编程都会遇到，尤其是和硬件打交道的。
【在 w********m 的大作中提到】
: 我是统计转马公的低端程序员。
: 统计语言有很大的问题。
: 像R，SAS还有matlab，总觉得用户写不了循环。
: 什么事情都得用个轮子或者dsl。
: 其实aggregation这类，就是循环一下加个hash table就解决的问题。
: 很简单的算法，然而，必须去查他们的document，或者stackoverflow。
: 这样的编程会很累，不会有那种一气呵成的击杀感。
: 对编程的兴趣是个打击。久而久之，就搞得很苦逼了。
|
m******r
发帖数: 1033 | 14 所谓数据分析， 老土管他叫‘熟橘分洗’，很形象， 大部分人做的，无非是根据业务
逻辑，对数据在不同层次上（ 楼主题目中的group_by）进行aggregate, 然后对剩下的
变量请小学生做个加减乘除。。
这么简单的事儿 不知道为什么hadley 好多年从plyr改到dplyr改到tidyverse 引入各
种奇异的语法， pipe operator， mutate, underscore version of verbs, etc 结果
却像一架庞大的官僚机器， 机构臃肿 部门众多，却不能有效解决一个像楼主问的简单
问题。
【在 w********m 的大作中提到】
: 我是统计转马公的低端程序员。
: 统计语言有很大的问题。
: 像R，SAS还有matlab，总觉得用户写不了循环。
: 什么事情都得用个轮子或者dsl。
: 其实aggregation这类，就是循环一下加个hash table就解决的问题。
: 很简单的算法，然而，必须去查他们的document，或者stackoverflow。
: 这样的编程会很累，不会有那种一气呵成的击杀感。
: 对编程的兴趣是个打击。久而久之，就搞得很苦逼了。
|
D******n
发帖数: 2836 | 15 好久沒用R，之前都是base裡面最簡單的辦法處理數據。
好像現在dplyr是主流，就看了一下，本來還覺得挺好的，後來發現這些問題，也頭都
大，搞的那麼噁心，還真的不如用SAS了。。。
【在 m******r 的大作中提到】
: 所谓数据分析， 老土管他叫‘熟橘分洗’，很形象， 大部分人做的，无非是根据业务
: 逻辑，对数据在不同层次上（ 楼主题目中的group_by）进行aggregate, 然后对剩下的
: 变量请小学生做个加减乘除。。
: 这么简单的事儿 不知道为什么hadley 好多年从plyr改到dplyr改到tidyverse 引入各
: 种奇异的语法， pipe operator， mutate, underscore version of verbs, etc 结果
: 却像一架庞大的官僚机器， 机构臃肿 部门众多，却不能有效解决一个像楼主问的简单
: 问题。
|
m******r
发帖数: 1033 | 16 hadley真应该学学sas的均值过程。 一个均值过程，无论你有多少factor,多少变量，
不管你要求多少统计值， 都是一网打尽不超过5，6行代码。 一本均值过程手册，不知
道超不超过200~300页，一天就看完了。
sas里面特有的by_group processing只要一行代码，by xxx后面随便你放多少factor.
概念上也是一脉相承， 完全可以用在其他过程步。
【在 D******n 的大作中提到】
: 好久沒用R，之前都是base裡面最簡單的辦法處理數據。
: 好像現在dplyr是主流，就看了一下，本來還覺得挺好的，後來發現這些問題，也頭都
: 大，搞的那麼噁心，還真的不如用SAS了。。。
|
D******n
发帖数: 2836 | 17 是啊，不得不說SAS對於最基本的數據處理已經是爐火純青了。
經過這麼多年的改進，SAS的proc都會比較乾淨，語法規整。
相比之下走出base R， R的各種package隨意來，。。。。
SAS基本上row wise的操作已經沒什麼問題
column wise就套用不同的procs
壞處就是複雜一點的數據邏輯不能直接從邏輯轉換為code，而是要套變成SAS的這種
style
.
【在 m******r 的大作中提到】
: hadley真应该学学sas的均值过程。 一个均值过程，无论你有多少factor,多少变量，
: 不管你要求多少统计值， 都是一网打尽不超过5，6行代码。 一本均值过程手册，不知
: 道超不超过200~300页，一天就看完了。
: sas里面特有的by_group processing只要一行代码，by xxx后面随便你放多少factor.
: 概念上也是一脉相承， 完全可以用在其他过程步。
|
a***c
发帖数: 1 | 18 Hadley就像很多gay一样，聪明滑头奇技淫巧，反应在语言里也是，不入流。龟叔比他
强的不是一个档次。
【在 m*****n 的大作中提到】
: 是编程者的精神洁癖不够
: 像Python的龟叔的洁癖很强
: 就强行把语法都统一了
: 而且一个语法在任何情境下都通用
: 这没有精神洁癖是做不到的
: R的思维方式比较老中
: 就事论事，得过且过
|
