r - dplyr 和 group_by : factor vs no factor

Question

(所描述的行为是一个错误!)

我不明白 group_by 对作为因素的列和不是因素的列的影响。下面分析这两种可能性:

library(dplyr)

df <- data.frame(value=seq(1,10), height=c(rep(1,5),rep(2,5)))

# height is no factor
dfs <- df %>% group_by(height) %>% summarize(m=mean(value))
dfs$height==dfs$height[1]

# height is factor
df$height <- as.factor(df$height)
dfs <- df %>% group_by(height) %>% summarize(m=mean(value))

这里是一个数据框

   value height
1      1      1
2      2      1
3      3      1
4      4      1
5      5      1
6      6      2
7      7      2
8      8      2
9      9      2
10    10      2

按高度汇总。当 df$height 不是一个因素时，结果如下所示:

  height        m
1      1 4.500000
2      1 3.000000
3      1 2.000000
4      1 1.000000
5      2 9.000000
6      2 6.000000
7      2 8.333333

如果 df$height 是一个因素，结果就是我想要的:

  height m
1      1 3
2      2 8

为什么会发生这样的事情？我的第一个猜测是这是一个数值问题，非因素 height 略有不同。但是，上面的测试表明所有 height==1 都相等:

> dfs$height==dfs$height[1]
[1]  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE

好吧，我可以只使用该因子，但这样我就失去了高度的数字特征。例如，我想按高度排序或选择最高的高度。

Answer 1

根据我对 group_by 的理解，它适用于任何变量类型，而不仅仅是因子。基于https://github.com/tidyverse/dplyr/issues/482和我自己的重现尝试，这个问题应该被关闭。