r - 聚合函数中的子集参数

Question

我在aggregate函数中使用subset参数得到了意想不到的结果，所以我尝试了以下操作。

 > A <- data.frame( d1=c(1,1,1,2,2,2), d2=c(1,1,2,2,3,3) , n=c(13,24,54,24,12,32) )
 > aggregate( A[,c("n"),drop=FALSE] , A[,c("d1","d2")] , FUN=sum )
   d1 d2  n
 1  1  1 37
 2  1  2 54
 3  2  2 24
 4  2  3 44

这确实有道理。

 > aggregate( A[rep(TRUE,6),c("n"),drop=FALSE] , A[rep(TRUE,6),c("d1","d2")] , FUN=sum )
   d1 d2  n
 1  1  1 37
 2  1  2 54
 3  2  2 24
 4  2  3 44

这确实有道理，但会是限制观察的一种复杂方式。

下面的代码不应该返回与上面相同的结果吗？为什么不呢？

 > aggregate( A[,c("n"),drop=FALSE] , A[,c("d1","d2")] , FUN=sum , subset=rep(TRUE,6) )
   d1 d2  n
 1  1  1 43
 2  1  2 60
 3  2  2 30
 4  2  3 50

为了防止子集基于索引，我尝试了以下操作，其结果也不直观:

 > aggregate( A[,c("n"),drop=FALSE] , A[,c("d1","d2")] , FUN=sum , subset=1:6 )
   d1 d2  n
 1  1  1 58
 2  1  2 75
 3  2  2 45
 4  2  3 65

Answer 1

根据帮助文件，subset 参数是“公式”类型的 S3 方法的一部分，您没有使用它。您正在使用 data.frame 类型的 S3 方法。因此，您的 subset 参数将在 ... 中向下传递到 lapply()，然后传递到每次调用 sum( )。由于它是一个包含 6 个 TRUE 值的向量，因此每次求和都会添加 6 个值。

这是一个很容易犯的错误，所以我理解你是如何到达这里的。

不幸的是，在将数据传递给aggregate()之前，您似乎需要对数据进行子集化。